Task 03-04包括：数据导入和用户输入至查询语言的转换两项主要任务。 1. 数据导入 导入方法 1.通过下句链接数据库 self.graph = Graph("http://localhost:7474", username="neo4j", password="自己设定的密码")2.载入CSV文件，按位截取存至变量3. 创建Node和边 多线程导入 待添加 2. 用户输入转换 意图识别 分类任务 槽位解析 序列标注 BERT BI-LSTM CRF

怕催签，想请教一下各位伙伴对于这三个选择的看法~ 本人主要是做NLP方向的，不需要户口，主要是看技术成长环境以及加班状况会不会很多。 人寿这边好像进去要轮岗，不一定最后会做NLP，对于这一点有点犹豫，不然还是很香的，通勤时间1.5h。 航旅纵横的话肯定进NLP组，但是可能会有加班情况，组内好像还在技术成长期，通勤时间1h。 航天信息研究院表示不怎么加班，集团比较注重这方面的培养，所以成长环境会比较好，但是薪资的确有点不好活，通勤时间1h。 如果是各位的话会怎么选呐？

感谢Datawhale无私知识分享！ Task02 包含以下内容：使用实际医疗数据进行数据导入和识别 【主】 启动医疗知识库的查询服务【次】 具体的代码详解会在后续笔记中，task02 只做整体运行性的梳理，目的在于帮助拿到代码并已安装好Neo4j的同学顺利运行该项目。 医疗数据导入 医疗数据以及对应代码源自项目[1] 1. 将GitHub项目克隆至本地 2. 安装项目依赖 jieba: pip3 install gensimpy2neo： pip3 install py2neoahocorasick ： 安装microsoft visual c++ build tools pip3 i...

感谢Datawhale无私知识分享！ Task01 包含以下内容： 知识图谱概念与涉及技术 【主】 基本增删改查操作【次】 数据导入方法【次】 1. 知识图谱基本概念 知识图谱可以理解为以图为基本结构的关系型知识库，以三元组（Subject, Predication, Object）作为基本构成元素。 知识图谱的建成涉及以下流程和技术： 1. 数据获取 原有结构化数据（SQL->CQL）+爬取的非结构化数据（爬虫） 2. 实体识别 分词+CRF 业界流行配置有使用BERT+Bi-LSTM+CRF进行NER的模型，该模型在中文语料库获得了较好的成绩[1]： ...