下载资源人工智能资源详情
Base_On_PKUBase_And_KBQA_Entity_Linking.zip
大小:306.8KB
价格:47积分
下载量:0
评分:
5.0
上传者:zy_zwj
更新日期:2025-09-22

知识图谱作业代码，包含数据预处理与转换、模型训练、结果评估等

资源文件列表(大概)

文件名
大小
Base_On_PKUBase_And_KBQA_Entity_Linking/1_Preprocessing_And_Generate _Data.ipynb
203.87KB
Base_On_PKUBase_And_KBQA_Entity_Linking/2_BERT_Fine-tuning.ipynb
81.78KB
Base_On_PKUBase_And_KBQA_Entity_Linking/3_spaCy_Fine-tuning.ipynb
307.86KB
Base_On_PKUBase_And_KBQA_Entity_Linking/4_Entity_Linking_Based_on_Fine-tuned_BERT.ipynb
14.26KB
Base_On_PKUBase_And_KBQA_Entity_Linking/5_Entity_Linking_Based_on_Fine-tuned_BERT_and_spaCy.ipynb
777.11KB
Base_On_PKUBase_And_KBQA_Entity_Linking/6_Import_Vectorized_Data_to_PostgreSQL.ipynb
5.41KB
Base_On_PKUBase_And_KBQA_Entity_Linking/7_Based_on_PostgreSQL_and_BERT_And_spaCy_model_for_entity_linking.ipynb
14.93KB
Base_On_PKUBase_And_KBQA_Entity_Linking/8_Based_on_PostgreSQL_and_BERT_And_spaCy_model_for_entity_linking.ipynb
145.25KB
Base_On_PKUBase_And_KBQA_Entity_Linking/readme.md
2.14KB

资源内容介绍

知识图谱作业代码，包含数据预处理与转换、模型训练、结果评估等
# **知识图谱作业**### Introduction本文研究重点是通过结合BERT和Spacy模型进行实体链接优化，利用Neo4j和PostgreSQL数据库实现高效的实体识别与链接。研究的核心步骤包括提及检测、候选生成和实体消歧，目标是实现高召回率和高精确率的实体链接系统。**本实验的数据集为北京大学研制的中文RDF语义知识库PKUBase（对应的图数据库有25,574,415实体/数值、408,670关系/属性和66,499,409三元组）和课程KBQA数据集（训练、验证、测试：2,297、765、765，共3827条问答记录）**### Usage#### **Environment Installation**在项目的根目录下打开终端运行：```pythonconda create --name neo4j --file requirements.txt```或者自行创建环境后导入所需的库:```pythonconda install --yes --file requirements.txt```#### 1. Data preprocessing运行***1_Preprocessing_And_Generate _Data.ipynb*** 文件，进行数据预处理得到导入neo4j的数据文件(nodes.csv和relationships.csv)运行***6_Import_Vectorized_Data_to_PostgreSQL.ipynb***文件，将清洗好的数据进行向量化处理导入Postgresql(需要先安装好pgvector插件)#### 2. Model Training本实验使用BERT和spacy模型进行微调训练，运行***2_BERT_Fine-tuning.ipynb*** 和***3_spaCy_Fine-tuning.ipynb***可以得到微调训练好的模型，代码块中包含转换数据为模型训练的格式以及训练模型输出相关的评价指标(准确率、召回率和F1值)#### 3. Entity Linking将数据导入neo4j数据库中后，通过运行***4_Entity_Linking_Based_on_Fine-tuned_BERT.ipynb***文件，调用训练好的BERT进行实体链接并输出宏指标和微指标；同样的运行***5_Entity_Linking_Based_on_Fine-tuned_BERT_and_spaCy.ipynb***，调用训练好的BERT和spaCy进行实体链接并输出宏指标和微指标。将数据导入Postgresql并创建好索引后，运行***7_Based_on_PostgreSQL_and_BERT_And_spaCy_model_for_entity_linking.ipynb***或者***8_Based_on_PostgreSQL_and_BERT_And_spaCy_model_for_entity_linking.ipynb***都可以进行实体链接的测试并得出相关的评价指标。

用户评论 (0)

发表评论

captcha

相关资源

免费下载Springboot驾校预约管理系统

系统概述：驾校预约管理系统是一套集学员管理、教练管理、课程预约、考试安排等功能于一体的信息化解决方案。系统采用Spring Boot框架进行后端开发，利用其自动配置、内嵌服务器等特性，确保了系统的高性能与快速响应。关键技术：Spring Boot：简化了传统Spring应用的配置，提供了丰富的自动配置选项。MyBatis Plus：增强了MyBatis的功能，简化了数据库操作。JWT：用于实现无状态、安全的认证机制。Vue.js：作为前端框架，提供了丰富的组件和高效的数据绑定，优化了用户界面的交互性。核心功能模块：学员管理：系统支持学员信息的录入、修改和查询，以及学员状态的跟踪。教练管理：教练信息管理，包括教练的排班和工作评价。课程预约：学员可通过系统预约练车时间，系统自动处理预约冲突。考试管理：管理学员的考试安排，记录考试成绩。报表统计：系统自动生成教练工作量、学员通过率等统计报表。安全性：系统采用JWT进行用户认证，确保了数据传输的安全性和用户操作的合法性。同时，系统提供了角色权限管理，确保不同角色的访问权限得到有效控制。

1.12MB47积分

大麦抢票脚本项目代码.zip

大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码.zip大麦抢票脚本项目代码

44.01KB46积分

智能车载终端叉车 车载人脸识别ADAS行为识别定制方案

第十九届全国智能车智能车载终端通过指纹/人脸/扫码/刷卡等验证司机操作权限，杜绝无证驾驶、无关人员非法驾驶。叉车启动时，自动检测安全带状态,如未系安全带，叉车不能启动。当行驶速度超过允许的最大行驶速度时，通过声音/灯光提醒或车速限制。远程管控，实时管理车辆，GPS定位，轨迹回放，电子围栏功能。一旦有障碍物或人员进入危险区域，驾驶员即可得到动态防撞预警，该技术能在各种复杂的路况环境中帮助驾驶员避免危险、预防事故和减轻压力，提供丰富的驾驶员视觉帮助、环境感知和自动驾驶功能，从而有效提升车辆的安全性能。智能车载终端采用联发科MT6765 八核Cortex-A53处理器,主频高达2.3GHz，搭载Android 11.0系统，超强性能。采用IMGGE8320 GPU，低功耗超强续航。支持支持2路摄像头，最高支持32MP@30fps，配备高清摄像头，高精度人脸识别算法，快速对司机进行刷脸识别，精准定位抓取生物特征，防伪仿冒。智能车载终端主板支持4G全网通、WIFI、蓝牙通讯方式，随时随地联网监控，安全稳定不受限，实现多样化通讯方式。通过GPS、A-GPS、GLONASS、北斗，多

257.2KB17积分

当当网排行版爬虫+可视化分析

爬取当当网排行榜并连接本地nosql数据库，对数据进行数据清洗后进行可视化分析展示

266.43KB38积分