基于知识图谱的医药问答系统实战项目

首先，执行build_medicalgraph.py文件，将数据导入Neo4j数据库中。该项目来自中国科学院，数据来源于网络，不过没有实现前端页面，只有后端的展示。之后执行chatbot_graph.py文件即可开启对话！这里设置的密码为：“12345678”

阿牛大牛中

565人浏览 · 2023-07-16 11:01:27

阿牛大牛中 · 2023-07-16 11:01:27 发布

文章目录

项目效果
项目地址
相关依赖
创建并启动Neo4j数据库
执行项目

项目效果

首先，执行build_medicalgraph.py文件，将数据导入Neo4j数据库中。

然后，执行chatbot_graph.py文件，开启对话：

在这里插入图片描述

此时查看Neo4j数据库：

在这里插入图片描述

开始咨询：

在这里插入图片描述

项目地址

https://gitee.com/aniu251700/qamedical-kg

在这里插入图片描述

创建并启动Neo4j数据库

这里设置的密码为：“12345678”

在这里插入图片描述

执行项目

首先检查数据库配置：

在这里插入图片描述

执行build_medicalgraph.py文件，将数据导入Neo4j数据库中，执行完可以看到：

在这里插入图片描述

之后执行chatbot_graph.py文件即可开启对话！

该项目来自中国科学院，数据来源于网络，不过没有实现前端页面，只有后端的展示。

九章云极普惠算力

更多推荐

构筑 AI 理论体系：深度学习 100 篇论文解读——第四篇：BP 算法的工程基石——Efficient Backprop (1998)

作者国籍简介Yann LeCun法国深度学习三巨头之一，本文结合了他在 BP 优化和 LeNet 架构设计中的实践经验。法国著名机器学习研究者，在随机梯度下降（SGD）优化和大规模机器学习系统的工程实践方面有重要贡献。信息项详情论文题目发表年份1998 年出版刊物（《神经网络：技巧与经验》）核心命题如何通过选择合适的损失函数、激活函数、初始化策略和学习率调整，来最大化 BP 算法的效率和稳定性？

九章云极普惠算力

SigLIP视觉语言模型实战：从零开始构建智能图像理解系统

想象一下，给计算机一张猫咪的照片，它能准确告诉你："这是两只猫咪在玩耍"。这正是SigLIP模型带来的革命性能力——让机器真正理解图像与文字之间的深层关联。今天，让我们一起探索这个强大的多模态模型，看看如何在自己的环境中快速部署并让它为我们工作。## 核心装备：你的AI工具箱### 环境配置速成包在开始之前，让我们准备好所有必要的工具：```bashpip install t