Python基于知识图谱的问答系统BERT做命名实体识别和句子相似度分为online和outline模式

本代码为深度学习、机器学习专业，知识图谱相关领域理论及实践的入门原理，适合本科生 研究生及相关技术人员使用。

知识图谱学习和推理研究，介绍了学习的推理的方法及进展

梳理了知识图谱的实现过程和过程中用到的方法，便于从宏观层面掌握知识图谱整体框架。

这个示例展示了Python医疗知识图谱问答系统的源码和数据库。该设计已经通过老师的认可，得到高度评价。您可以在演示版本中找到完整的数据库结构、源码以及相关文档，这使得系统的配置变得相当简单。只需进行一

微软亚研的中文分词、词性标注和命名实体识别语料，包括训练和验证集，xml格式，方便使用，机器学习、信息检索以及NLP领域的研究人员使用来训练模型

介绍了一个基于句子抽取的单文档自动文摘系统，在该系统基础上应用了命名实体识别和指代消解技术，最后通过人工评价和自动评价结果讨论命名实体识别和指代消解对文摘系统的贡献。

ner-lstm, 基于多层双向LSTM的命名实体识别 这里知识库包含实现以下Arxiv预编译中所述方法的代码： https://arxiv.org/abs/1610.09756，在 ICON-16

中文命名实体识别在多个重要领域有广泛的运用,提出一种基于转移学习的算法进行中文命名实体识别,旨在提高识别的准确率和召回率。基于转移学习算法的中心思想是开始以一些简单的结论应用于问题,然后在每个步骤应用

随着BERT等预训练模型横空出世,NLP方向迎来了一波革命,预训练模型在各类任务上均取得了惊人的成绩。随着各类预训练任务层出不穷,也有部分研究者考虑如何在BERT这一类模型中引入或者强化知识图谱中包含

中文命名实体提取，能够取出中间的人名、地名、组织机构名等，不错的资料