基于Python开发实现的知识图谱的电影知识问答系统+源代码+文档说明(高分毕业设计)

# 电影知识问答 基于知识图谱的电影知识问答系统。 [](https://kgqa.mrcai.dev) ## ✨ 项目介绍 - 训练 TF-IDF 向量算法和朴素贝叶斯分类器，预测用户文本所属的问题类别 - 使用分词库解析用户文本词性，提取关键词 - 结合关键词与问题类别，在 Neo4j 中查询问题的答案 - 通过 Flask 对外提供 RESTful API - 前端交互与答案展示 ## 🚀 项目使用 在 `backend` 目录下添加环境变量文件 `.env`。 ``` # Neo4j 数据库地址 DATABASE_URI= # Neo4j 用户名 DATABASE_USER= # Neo4j 密码 DATABASE_PASSWORD= ``` 启动后端服务。 ``` cd backend gunicorn app:app ``` 在 `frontend` 目录下添加环境变量文件 `.env`。 ``` # 后端服务地址 VITE_API_BASE_URL= ``` 启动前端服务。 ``` cd frontend npm build npm preview ``` ## 🗃️ 技术栈 ### 数据库 [](https://neo4j.com/) ### 核心 QA 模块 [](https://www.python.org/) [](https://scikit-learn.org/stable/index.html) [](https://github.com/fxsjy/jieba) ### 后端 [](https://www.python.org/) [](https://www.python.org/) [](https://render.com/) ### 前端 [](https://www.typescriptlang.org/) [](https://preactjs.com/) [](https://tailwindcss.com/) [](https://pnpm.io/) [](https://vitejs.dev/) [](https://eslint.org/) [](https://prettier.io/) ## 📜 许可证 [MIT](LICENSE)