基于知识图谱的医疗领域多轮对话机器人项目课程

超过40个课时的《知识图谱医疗领域多轮对话机器人》课程,让你彻底掌握知识图谱的落地玩法!

在这个课程中,你将学习如何构建一个基于知识图谱的医疗领域多轮对话机器人。这个课程涵盖了从导学到封装前后端服务的全过程,让你全面了解并掌握这一领域的技能。

 基于知识图谱的医疗领域多轮对话机器人项目课程_第1张图片

第一章,你将免费接触到医疗问答项目的概述和课程安排。这将为你提供一个全面的了解,并让你明白这个领域的重要性。

  • 医疗问答 P1 医疗知识图谱多轮对话机器人项目免费
  • 医疗问答 P2 意图类别需求说明和课程安排介绍免费
  • 医疗问答 P3 模型训练数据集和图谱数据介绍

第二章,你将学习命名实体识别(NER)技术。通过替换数据集、修改代码和使用免费GPU训练模型演示,你将掌握NER的实际应用。

  • NER项目 P13 命名实体识别替换数据集说明
  • NER项目 P14 修改Dataset类数据集加载方法
  • NER项目 P15 模型训练与验证流程代码修改
  • NER项目 P16 Kaggle免费GPU训练模型演示
  • NER项目 P17 测试和预测部分代码修改
  • NER项目 P18 封装命名实体识别模型包

第三章,将介绍如何使用ChatGPT生成语料。你将学习如何分析需求、使用调教提示词和生成实体文件,以及如何替换模板实体占位符并拆分样本。

  • ChatGPT应用 P1 ChatGPT生成深度学习样本需求分析免费
  • ChatGPT应用 P2 ChatGPT调教提示词(prompt)三板斧免费
  • ChatGPT应用 P3 用于模版填充的实体文件生成
  • ChatGPT应用 P4 替换模板实体占位符并拆分样本

第四章,你将学习意图识别(IR)技术。从模型结构说明到封装在线意图识别模型包,你将全面了解IR的实现和应用。

  • IR模型 P1 意图识别模型结构说明及目录创建
  • IR模型 P2 Dataset类数据集加载流程修改
  • IR模型 P3 模型训练与验证流程代码修改
  • IR项目 P4 测试和预测逻辑代码修改
  • IR项目 P5 封装在线意图识别模型包

第五章,将带你进入Neo4j实战。你将学习使用Cypher语句创建节点和关系,查询和更新数据,并通过CSV文件导入数据,为知识图谱的构建打下坚实基础。

  • Neo4j实战 P1 Neo4j简介及创建数据库实例免费
  • Neo4j实战 P2 使用Cypher语句创建节点免费
  • Neo4j实战 P3 使用Cypher语句创建关系
  • Neo4j实战 P4 使用Cypher语句查询节点和关系
  • Neo4j实战 P5 使用Cypher语句更新和删除数据
  • Neo4j实战 P6 py2neo操作Neo4j数据库
  • Neo4j实战 P7-1 Windows和Mac本地安装Neo4j数据库免费
  • Neo4j实战 P7-2 Windows和Mac本地安装Neo4j数据库免费
  • Neo4j实战 P8 通过CSV文件导入节点和关系数据

第六章,将继续图谱构建的学习,包括创建图谱构建类、整理节点和关系数据,并将CSV文件导入到Neo4j数据库。

  • 医疗问答 P4 创建图谱构建类并读取文件
  • 医疗问答 P5 熟悉数据并整理疾病节点数据
  • 医疗问答 P6 整理并导出节点和关系数据
  • 医疗问答 P7 CSV文件导入到Neo4j数据库

第七章和第八章,将分别介绍初始意图回复和问诊意图回复的实现。你将学习如何识别初始意图、根据意图做出对应回复,并处理问诊问题的意图识别和实体抽取。

  • 医疗问答 P8 问答流程解析及闲聊意图分类免费
  • 医疗问答 P9 导入初始意图模板并定义问答类
  • 医疗问答 P10 通过编辑距离识别初始意图
  • 医疗问答 P11 根据初始意图做出对应回复
  • 医疗问答 P12 问诊问题的意图识别和实体抽取免费
  • 医疗问答 P13 定义12类问诊意图的处理模板
  • 医疗问答 P14 意图模板的词槽检测和模板填充
  • 医疗问答 P15 执行CQL语句并返回查询结果
  • 医疗问答 P16 封装文件缓存写入和加载方法
  • 医疗问答 P17 缓存意图和实体并在确认时加载

在第九章,你将学习如何封装前后端服务。通过使用TailwindCSS和AlpineJS,搭建对话窗口界面、实现数据绑定和表单提交,并通过Flask渲染模板和自动调整视窗,提供流畅的用户体验。

  • KBQA项目 P13 TailwindCSS搭建对话窗口界面
  • KBQA项目 P14 AlpineJS实现数据绑定和表单提交
  • KBQA项目 P15 Flask渲染模板并自动调整视窗
  • 医疗问答 P18 修改前端模板并绑定提交事件
  • 医疗问答 P19 前端发送请求和后端返回查询结果

这个课程不仅提供了丰富的理论知识,还包含大量的实际操作。无论你是想进入医疗领域的人工智能行业,还是想提升现有技能,这个课程都将是你的不二选择。

基于知识图谱的医疗领域多轮对话机器人项目课程_第2张图片

立即加入我们的《KBQA基于知识图谱的医疗领域多轮对话机器人》课程,开启你的人工智能之旅吧!

你可能感兴趣的:(知识图谱,NLP项目,ChatGPT,人工智能,chatgpt,知识图谱,命名实体识别,KBQA)