期刊文献+

基于蜜蜂知识图谱智能问答系统 被引量:1

下载PDF
导出
摘要 针对农业信息化在蜜蜂领域缺失的问题,提出了一定规模的蜜蜂领域知识图谱的构建。首先,通过爬虫程序获取到真实有效的数据集,再经过相似度计算进行知识融合。然后,利用图数据库Neo4j对知识进行存储,完成蜜蜂领域的知识图谱的构建。最后,通过命名实体识别和问句意图识别任务分解智能问答,并通过Flask框架搭建可视化的页面,最终实现了智能问答系统。实验结果表明,所设计的智能问答系统在蜜蜂知识问答领域,在一定程度上弥补该领域的空白,也为农业信息化落地提供了思路。
作者 曾攀 袁黎晖 ZENG Pan;YUAN Lihui
出处 《信息技术与信息化》 2023年第7期108-111,共4页 Information Technology and Informatization
  • 相关文献

参考文献8

二级参考文献132

  • 1肖瑞,胡冯菊,裴卫.基于BiLSTM-CRF的中医文本命名实体识别[J].世界科学技术-中医药现代化,2020,22(7):2504-2510. 被引量:31
  • 2赵园丁.浅谈人工智能时代背景下自然语言处理技术的发展应用[J].办公自动化,2019,24(10):63-64. 被引量:6
  • 3刘克彬,李芳,刘磊,韩颖.基于核函数中文关系自动抽取系统的实现[J].计算机研究与发展,2007,44(8):1406-1411. 被引量:59
  • 4蒋东兴,郭大勇,罗念龙,刘启新.清华大学新一代数字校园建设规划与实践[J].厦门大学学报(自然科学版),2007,46(A02):173-178. 被引量:79
  • 5Miller G A. WordNet: A lexical database for English [J]. Communications of the ACM, 1995, 38(11): 39-41.
  • 6Bollacker K, Evans C, Paritosh P, et al. Freebase: A collaboratively created graph database for structuring human knowledge [C] //Proe of KDD. New York: ACM, 2008: 1247-1250.
  • 7Miller E. An introduction to the resource description framework [J]. Bulletin of the American Society for Information Science and Technology, 1998, 25(1): 15-19.
  • 8Bengio Y. Learning deep architectures for AI [J]. Foundations and Trends in Machine Learning, 2099, 2 (1) 1-127.
  • 9Bengio Y, Courville A, Vincent P. Representation learning: A review and new perspectives [J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2013, 35(8): 1798-1828.
  • 10Turian J, Ratinov L, Bengio Y. Word representations: A simple and general method for semi-supervised learning [C]// Proc of ACL. Stroudsburg, PA: ACL, 2010:384-394.

共引文献1325

同被引文献7

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部