weizhixiaoyi/DouBan-KGQA: 豆瓣书籍,电影类别的知识图谱 ...
文章推薦指數: 80 %
豆瓣书籍,电影类别的知识图谱问答系统. Contribute to weizhixiaoyi/DouBan-KGQA development by creating an account on GitHub.
Skiptocontent
{{message}}
weizhixiaoyi
/
DouBan-KGQA
Public
Notifications
Fork
50
Star
212
豆瓣书籍,电影类别的知识图谱问答系统
weizhixiaoyi.com
212
stars
50
forks
Star
Notifications
Code
Issues
4
Pullrequests
0
Actions
Projects
0
Wiki
Security
Insights
More
Code
Issues
Pullrequests
Actions
Projects
Wiki
Security
Insights
weizhixiaoyi/DouBan-KGQA
Thiscommitdoesnotbelongtoanybranchonthisrepository,andmaybelongtoaforkoutsideoftherepository.
master
Branches
Tags
Couldnotloadbranches
Nothingtoshow
{{refName}}
default
Couldnotloadtags
Nothingtoshow
{{refName}}
default
1
branch
0
tags
Code
Latestcommit
Gitstats
30
commits
Files
Permalink
Failedtoloadlatestcommitinformation.
Type
Name
Latestcommitmessage
Committime
data/smalldata
img
json2jena
query
.gitattributes
.gitignore
README.md
requirements.txt
Viewcode
使用方法
1.下载数据
2.修改配置文件路径
3.启动ApacheServer
4.启动query_main.py
README.md
本项目构建了完整的基于豆瓣电影、书籍的知识图谱问答系统,包括从豆瓣原始数据的爬取、豆瓣原始数据转换得到RDF数据、三元组数据的存储与检索、问句理解和答案推理、微信公众号部署等环节,在此分享给大家,共同学习。
为帮助理解,可参考以下文章进行实现知识图谱问答系统,文章已更新完成。
电影知识图谱问答(一)|爬取豆瓣电影与书籍详细信息
电影知识图谱问答(二)|生成298万条RDF三元组数据
电影知识图谱问答(三)|ApacheJena知识存储及SPARQL知识检索
电影知识图谱问答(四)|问句理解及答案推理
电影知识图谱问答(五)|BM-KGQADemo
要求:UbuntuorMacOS,python3.6,[jieba,refo,SPARQLWrapper,web]依赖包
使用方法
1.下载数据
因数据文件过大,所以将文件放到百度云,链接:https://pan.baidu.com/s/1bKIrrzoezuAQf-EK5ISG_Q提取码:prcq。
下载完成后放入到data/文件夹内即可。
2.修改配置文件路径
修改DouBan-KGQA/json2jena/rdf2jena/apache-jena-fuseki-3.10.0.2/run/configuration/fuseki_conf.ttl中ja:rulesFrom和tdb:location路径地址。
3.启动ApacheServer
进入到DouBan-KGQA/json2jena/rdf2jena/apache-jena-fuseki-3.10.0.2/路径下,启动fuseki-server。
cdDouBan-KGQA/json2jena/rdf2jena/apache-jena-fuseki-3.10.0.2/
./fuseki-server
4.启动query_main.py
启动query_main.py进行知识图谱问答。
pythonquery_main.py
About
豆瓣书籍,电影类别的知识图谱问答系统
weizhixiaoyi.com
Resources
Readme
Stars
212
stars
Watchers
3
watching
Forks
50
forks
Releases
Noreleasespublished
Packages0
Nopackagespublished
Languages
Python
62.9%
HTML
10.0%
Ruby
8.2%
JavaScript
7.6%
Shell
6.5%
TSQL
1.7%
Other
3.1%
Youcan’tperformthatactionatthistime.
Yousignedinwithanothertaborwindow.Reloadtorefreshyoursession.
Yousignedoutinanothertaborwindow.Reloadtorefreshyoursession.
延伸文章資訊
- 1知识图谱- 图书- 豆瓣
知识图谱豆瓣评分:8.0 简介:本书聚焦于知识图谱,分十个章节围绕知识建模、知识获取、知识融合、存储和检索、知识推理以及知识服务等知识图谱生命周期各个主要环节 ...
- 2针对豆瓣TOP250电影知识图谱的构建(Python+neo4j) - 知乎
针对豆瓣TOP250电影知识图谱的构建(Python+neo4j) ... 我们直接分析电影点进去的详细页面,页面如下:(由于豆瓣在没有登录的情况下频繁对网站进行 ...
- 3基于豆瓣图书的推荐、知识图谱与知识引擎简单构建neo4j
本项目主要贡献源来自豆瓣爬虫(数据源)[lanbing510/DouBanSpider][1]、知识图谱引擎[Agriculture_KnowledgeGraph][2]、[apple.turi...
- 4电影知识图谱问答(一)|爬取豆瓣电影与书籍详细信息 - 墨天轮
最近在做关于知识图谱方面的实验,需要一些数据,于是爬取了豆瓣上关于电影和书籍的信息。两天时间内共爬取20W+条数据,包括电影信息、电影演员信息、 ...
- 5基于豆瓣电影数据构建知识图谱 - csuldw.com
基于这13w豆瓣电影数据,提取出图谱数据,并以此建立图谱数据库,构建电影知识图谱。 数据准备. 从豆瓣爬取下来的电影数据比较丰富,包括电影名称、上映 ...