一、构建知识图谱（实体识别)
一、构建知识图谱（实体识别) 实体识别（Entity Recognition），也称为命名实体识别（Named Entity Recognition, NER），是知识图谱构建过程中的关键步骤之一。它的目的是从非结构化文本中识别出具有特定意义或指代性强的实体，如人名、地名、组织名、时间表达式等。以下
2024-05-01
MaXiaoTiao
AIGC
#Vanna
4
#Ollama
1
#分布式存储
2
#k8s
8
#nginx
2
#docker
4
#LInux
1
#FastApi
1
#日报
0
#爬虫
12
#pandas
3
#数据处理
3
#大模型
18
#AIGC
17
#金融
33
#量化交易
8
#Swagger2
1
#Spring Boot
7
#LeetCode
9
#课程作业
1
#软件测试
2
#bert
1
#计算机网络
0
#操作系统
4
#数据结构
0
#go
0
#redis
0
#python
10
#java
30
#证据理论
1
#多标签
3
#机器学习
14
#深度学习
39
#单纯记录
0
在问答系统中知识图谱的应用
在问答系统中知识图谱的应用 在问答系统中使用知识图谱可以提高系统的回答准确性和丰富度。以下是使用知识图谱构建问答系统的一般步骤： 1. 知识图谱构建 在问答系统之前，首先需要构建知识图谱。这包括以下几个步骤： 数据收集：从各种数据源（如书籍、文章、数据库等）收集信息。 实体识别：从文本中识别出关键实
2024-04-30
RAG的一个坑之相似度不准
RAG的一个坑之相似度不准 Embedding相似度不准 问题： 希望命中的，往往不是相似度最高的那个匹配出来的结果，有时候预期中最LLM 生成的时候，都有 token上限 为了不超过上限，需要对匹配结果安照相似度选前 K个匹配结果 最终希望命中的那一个，没有成功进入入到LLM Prompt 里 解
2024-03-07
搭建并使用向量数据库
搭建并使用向量数据库 一、前序配置 本节重点为搭建并使用向量数据库，因此读取数据后我们省去数据处理的环节直入主题，数据清洗等步骤可以参考第三节 In [1]: import os
from dotenv import load_dotenv, find_dotenv
# 读取本地/项目的环境变量。
2024-02-13