基于朴素贝叶斯分类器实现石油相关论文的智能分析问答系统程序源代码说明

基于OpenNLP + Neo4j + Spark朴素贝叶斯分类器实现石油相关论文的智能分析问答系统.zip

底层功能实现是操作cypher语句，前台的业务：   
1.汉语分词器HanLP将原始语句分词  
2.语句抽象化(提高匹配问题模板标签准确率)  
3.获取模板标签，使用模板将句子转化成系统可以识别的结果   
4.cypher语句获取结果返回前台
既然涉及问答系统，中途也看了微软小冰和其他的语料库资料，感觉自己做出一个偏向应用的石油相关智能问答系统的可能性不大，首先自己不做
爬虫就语料库这个问题也解决不了的，要真有现成的语料库那也就没我做的必要了。  
#### 区别
对比自己想做的石油论文智能分析系统，我的数据来源都是国外网站，用户的原始语句是英文就用不到分词，但词汇库就复杂了，需要自己去找英
文人名词汇表，提取论文信息生成全文搜索词汇表。所以对这个项目我抱的期望不是很大，先罗列几个比较困难的点，做出来更新：  
1.项目中通过稠密向量来生成训练集，而每个局部向量是由词汇表来确定的，电影知识问答系统中是个190词的电影相关汉语词汇表，但石油相关
词汇都是英语网站的数据，所以词汇表内容都是英语词汇，解决办法是在有些数据后生成这个表，但是搞爬虫的同学还在准备中期考试 ~、~  
2.问题归类，英语比较吃力了，同样的一个问题怎么来问，同一个问题预设问法越多，模型在学习后识别同类问题的准确率才会更高。