大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统_bert+lstm

文章目录

• 大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统
• • 一、项目概述
    • 二、系统实现基本流程
    • 三、项目工具所用的版本号
    • 四、所需要软件的安装和使用
    • 五、开发技术简介
    • • Django技术介绍
        • Neo4j数据库
        • Bootstrap4框架
        • Echarts简介
        • Navicat Premium 15简介
        • Layui简介
        • Python语言介绍
        • MySQL数据库
        • 深度学习
    • 六、核心理论
    • • 贪心算法
        • Aho-Corasick算法
        • BERT（Bidirectional Encoder Representations from Transformers）
        • 长短时记忆网络（Long Short-Term Memory，LSTM）
        • 条件随机场（Conditional Random Field，CRF）
        • 命名实体识别
        • 实体对齐
        • 语义知识库问答
    • 七、系统实现
    • 八、结语

大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统

一、项目概述

知识图谱是将知识连接起来形成的一个网络。由节点和边组成，节点是实体，边是两个实体的关系，节点和边都可以有属性。知识图谱除了可以查询实体的属性外，还可以很方便的从一个实体通过遍历关系的方式找到相关的实体及属性信息。

BERT是一种基于Transformer 架构的预训练语言模型，能够捕捉双向上下文信息。BERT 模型在大规模语料上进行预训练，然后可以通过微调来适应特定任务,BERT 可用于处理输入文本，提取丰富的语义信息。它可以用于文本的编码和表征学习