KBQA-BERT

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

Introduction

本项目主要由两个重要的点组成，一是基于BERT的命名实体识别，二是基于BERT的句子相似度计算，本项目将这两个模块进行融合，构建基于BERT的KBQA问答系统.论文传送门! 详细介绍，请看我的博客：https://blog.csdn.net/weixin_46133588/article/details/104700425

环境配置

Python版本为3.6
pytorch版本为1.1.0
windows10
数据在Data中，更多的数据在[**NLPCC2016**](http://tcci.ccf.org.cn/conference/2016/pages/page05_evadata.html) 和    [**NLPCC2017**](http://tcci.ccf.org.cn/conference/2017/taskdata.php)。    

目录说明

Input/data/文件夹存放原始数据和处理好的数据
    1-split_data.py  切分数据
    2-construct_dataset.py  生成NER_Data的数据
    4-print-seq-len.py 查看数据长度
    construct_dataset_attribute.py  生成Sim_Data的数据
    triple_clean.py  生成三元组数据
    load_dbdata.py  将数据导入mysql db
config文件夹需要下载BERT的中文配置文件：bert-base-chinese-config.json bert-base-chinese-model.bin bert-base-chinese-vocab.txt
NLPC2016KBQA存放原始数据的地方
DB_Data/   ner_data/  sim_data/ 为数据输出存放的文件夹

output/模型输出的目录

基于BERT的命名实体识别模块
- BERT_CRF.py
- CRF_Model.py
- NER_main.py
- test_NER.py

基于BERT的句子相似度计算模块
- SIM_main.py
- test_SIM.py

KBQA模块
- test_pro.py

使用说明

- python NER_main.py --data_dir ./input/data/ner_data --vob_file ./input/config/bert-base-chinese-vocab.txt  --model_config  ./input/config/bert-base-chinese-config.json  --output  ./output --max_seq_length 64 --do_train --train_batch_size 12 --eval_batch_size 16 --gradient_accumulation_steps 4 --num_train_epochs 15
NER训练和调参


- python SIM_main.py --data_dir ./input/data/sim_data --vob_file ./input/config/bert-base-chinese-vocab.txt  --model_config  ./input/config/bert-base-chinese-config.json  --output  ./output --max_seq_length 64 --do_train --train_batch_size 12 --eval_batch_size 16 --gradient_accumulation_steps 4 --num_train_epochs 5 --pre_train_model ./input/config/bert-base-chinese-model.bin
相似度训练阶段

- python test_pro.py
基于KB的问答测试

---

如果觉得我的工作对您有帮助，请不要吝啬右上角的小星星哦！欢迎Fork和Star！也欢迎一起建设这个项目！
有时间就会更新问答相关项目，有兴趣的同学可以follow一下
留言请在Issues或者email 492070779@qq.com