# MovieKGQA
## Introduction
基于知识图谱和neo4j图数据库的电影知识问答系统
<div style="display:flex; justify-content: space-around;">
<img src="https://i.imgs.ovh/2023/12/12/mM4uR.png" alt="image-20231212102658908" style="box-shadow: 0 0 10px rgba(200, 200, 200);" width=250px height:250px/>
<img src="https://i.imgs.ovh/2023/12/12/mM58p.png" alt="image-20231212102738360" style="box-shadow: 0 0 10px rgba(200, 200, 200);" width=250px height:250px/>
<img src="https://i.imgs.ovh/2023/12/12/mMdFT.png" alt="image-20231212103113278" style="" width=250px height:250px/>
</div>
## Workflow
### DataBase
爬取豆瓣TOP1000电影信息数据
### Frontend
1. 获取用户输入的信息 (语音输入 / 文本输入)
2. 向电影知识问答后端服务器发送请求
3. 获取返回结果 (成功 -> 4 / 失败 -> 5)
4. 如果返回结果包含image信息,则显示图片和文字,否则只显示文字
5. 请求基于gpt的AI模型服务器,并显示返回结果
### Backend
[准备工作] 训练 TF-IDF 向量算法和朴素贝叶斯分类器,用于预测用户文本所属的问题类别
1. 接受前端请求,获取用户输入信息
2. 使用分词库解析用户输入的文本词性,提取关键词
3. 根据贝叶斯分类器,分类出用户文本的问题类型
4. 结合关键词与问题类别,在 Neo4j 中查询问题的答案
5. 返回查询结果 (若问题类型为 演员信息 / 电影介绍,则附加图片url)
### WorkFlow Graph
![workflow graph](https://i.imgs.ovh/2023/12/29/0IEuW.png)
## Frame
### DataBase
[![Neo4j](https://img.shields.io/badge/neo4j-test?style=for-the-badge&logo=neo4j&logoColor=white&color=blue)](https://neo4j.com/)
### Frontend
[![wechat mini programs](https://img.shields.io/badge/wechat%20mini%20programs-test?style=for-the-badge&logo=wechat&logoColor=white&color=%2320B2AA)](https://developers.weixin.qq.com/)
### Backend
[![Python](https://img.shields.io/badge/python-3776ab?style=for-the-badge&logo=python&logoColor=ffd343)](https://www.python.org/)[![Flask](https://img.shields.io/badge/flask-3e4349?style=for-the-badge&logo=flask&logoColor=ffffff)](https://flask.palletsprojects.com/)[![Scikit-learn](https://img.shields.io/badge/sklearn-test?style=for-the-badge&logo=scikit-learn&logoColor=white&color=orange)](https://scikit-learn.org/stable/index.html)[![Jieba](https://img.shields.io/badge/jieba-3776ab?style=for-the-badge&logo=python&logoColor=ffd343)](https://github.com/fxsjy/jieba)
## Reference
### Frontend
[微信小程序:微信聊天机器人](https://github.com/JzheTang/wechat_robot_app)
### BackEnd
[基于知识图谱的电影知识问答系统](https://github.com/mrcaidev/kgqa)
[电影知识库问答机器人](https://github.com/futurehear/chatbot)
JJJ69
- 粉丝: 6366
- 资源: 5917
最新资源
- Spring学习笔记mysbproject20241227
- GC9005 是一颗专门针对图形显示场景定义的多功能 MPU 集成自研专利高性能3D 图形加速引擎,最高支持 2048x2048 分辨率的高清显示 具有高清视频解码和音频编解码等多媒体功能处理
- 面向物联网机器视觉的目标跟踪方法设计与实现-LW.zip
- 2900区县的相邻矩阵.xlsx
- 料箱输送线程序,有合流和分拣, 精华部分是WCS和PLC的Socket接口和分拣控制程序 提供设备布局图和电气图纸以及博途V16程序 程序源自欧企,无加密,外企程序还是比较美观的,程序仅供学习参考
- 价值8000的H5聊天系统即时通讯,风车IM聊天APP、聊天、交友、客服系统源码
- 足球检测45-YOLO(v5至v9)、COCO、CreateML、TFRecord数据集合集.rar
- 西门子S7-1200 PID温度控制程序,PID参数经过预调节和精确调节之后得出,程序采用博图V15高级版编写,适合用于不带冷却功能的模具加热生产工艺上,项目上运用已稳定工作多时,带详细注释,可进行
- 使用python批量获取纸质发票信息转为excel
- 电动汽车电池管理系统(BMS)的STM32实现及其设计
- 地级市-产业升级、产业结构高级化(2000-2021年).zip
- 基于神经网络的自适应PID控制器 通过将RBF(BP)神经网络和PID控制器相结合,建立了神经网络PID控制器,采用传递函数进行系统建模,通过自动调整PID参数,实现了对方波信号的跟踪 程序有注释
- knn 1.12.0压缩包
- 一个非常优秀的项目源码范例,C#+Visionpro9.0,三相机定位,PLC, 逻辑及代码都非常好,使用过的项目,是学习及项目参考的极佳范例 注:主界面未放出来
- 数字经济对产业结构升级和创业增长的影响(2011-2021年).zip
- YOLO目标检测标注的垃圾识别数据集
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈