基于自然语言处理的结构化数据库问答机器人系统

自然语言处理的结构化数据库问答机器人系统"/>

基于自然语言处理的结构化数据库问答机器人系统

温馨提示：文末有 CSDN 平台官方提供的学长 Wechat / QQ 名片 :)

1. 项目简介

        知识库，就是人们总结出的一些历史知识的集合，存储、索引以后，可以被方便的检索出来供后人查询/学习。QnA Maker是用于建立知识库的工具，使用 QnA Maker，可以根据 FAQ（常见问题解答）文档或者 URL 和产品手册等半结构化内容打造一项问题与解答服务。 可以生成一个问题与解答模型，以便灵活地应对用户查询，即用户不必输入精确的查询条件，而是提供以自然对话方式受训的机器人来响应。

        本项目通过网络爬虫采集否地区的二手房房源数据，经过数据清洗后存储到关系型数据库中，利用自然语言处理（NLP）技术，以自然对话形式，将用户查询转换为标准的 SQL 语句，并进行执行，查询关系数据库获得结果，通过对结果进行格式化处理，以文本形式返回给用户。

2. 结构化数据库问答系统

        基于给定的结构化知识库和自然语言问题，给出问题对应的答案，其基本流程如下：

        其核心是 Text-to-SQL 技术：

        常见的 Text-to-SQL 算法主要基于神经网络等深度学习技术，考虑到本科来说难度较大，本项目采用基于规则的文本转SQL的方式，走通结构化知识库的问答系统的流程。

3. 基于自然语言处理的结构化数据库问答机器人系统

        系统通过Flask框架搭建后台服务，接受用户的自然语言输入，调用 Text-to-SQL 算法，转换为可执行的 SQL 语句，执行 SQL 从关系数据库中查询数据，并组装结果返回给客户端。

基于结构化数据库的问答系统开发与研究

欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。

技术交流认准下方 CSDN 官方提供的学长 Wechat / QQ 名片 :)

精彩专栏推荐订阅：

1. Python 毕设精品实战案例
2. 自然语言处理 NLP 精品实战案例
3. 计算机视觉 CV 精品实战案例