Deprecated

2021.7.3更新

有人star了这个代码，感觉良心不安...更新一下

如果继续参加CCKS的KBQA任务的话，为了不浪费时间，不建议参考这个代码，我不会tensorflow，把源代码改成pytorch实现的过程很粗糙，最后拼在一起效果非常拉跨，建议直接参考获奖队伍源代码

ccks20-dev

CCKS2019年第四名的复现
源码：ccks2019-ckbqa-4th-codes

主要用pytorch实现了基于bert的文本匹配和序列标注，以及将知识图谱的检索由本地运行neo4j知识库改为了gStore提供的http api
另外有一些小的改动，没有实现原代码中的语义解析模块，不保证效果一致
数据是用的2020年CCKS问答任务的训练集和测试集
一些模块的总结概述和复现效果在pdf文件中

这个项目最大的价值应该是实现了一个完整的KBQA系统，包含了mention抽取和筛选，实体链接和筛选，候选路径的检索和筛选，并最终得到结果，不过各个模块细节还比较粗糙

运行

环境

1. 分别解压corpus/data.zip和src/data/data.zip到各自所在的目录下
2. 将主办方提供的PKUBASE的pkubase-complete2.txt和pkubase-mention2ent.txt解压到PKUBASE目录下
3. pytorch 1.4.0
4. transformers
5. jieba

其他的缺啥pip啥

训练

bash train.sh

shell文件我忘了怎么写，反正运行顺序是这样的，数据这些配置没问题的话直接运行就可以了
注意： 训练大约花费19.5个小时，效率非常低，这些模块组合起来，效果也不算好

测试

cd src
python answer_bot.py

该脚本中，valid和test函数分别用于在验证集上计算系统的效果，和获取测试集上的结果
注意： valid耗时大约2小时，test耗时大约4个多小时