[PYTHON] (Hinweis) Eine Geschichte zum Erstellen eines Frage- und Antwortsystems mit Spring Boot und maschinellem Lernen (SVM).

Einführung

Es geht darum, ein Frage- und Antwortsystem mithilfe von Spring Boot und maschinellem Lernen (SVM) zu erstellen. Ich habe es vor langer Zeit (Mitte 2018) alleine geschafft und es in Ruhe gelassen. Dies ist ein Artikel, der für mich organisiert wurde, weil er nicht gut ist (Denkmal). Bitte beachten Sie, dass dies ein Artikel ist, den ich für mich selbst erstellt habe. Daher ist es möglicherweise schwer zu verstehen, Informationen und Technologie sind möglicherweise veraltet: bow: Ich hoffe auch, dass es für diejenigen hilfreich ist, die selbst eine Art Webanwendung erstellen möchten. Wenn Sie das Frage- und Antwortsystem nicht kennen, ist der Artikel von @ VegaSato sehr detailliert. Ich hoffe du kannst das lesen. $ \ tiny {* Ich habe es als Referenz verwendet. Vielen Dank} $: bow_tone1: Erstellen Sie ein japanisches Frage- und Antwortsystem, indem Sie die Watson-API von Bluemix vollständig nutzen Einfach gesagt

Ein System, in dem das System nach der besten Antwort sucht und diese beantwortet, wenn der Benutzer eine Frage eingibt.

Im Kern des Frage- und Antwortsystems zu Qiita wird im Kernteil eine geeignete API wie IBM Watoson verwendet Bitte beachten Sie, dass ich eine selbst erstellte SVM (Support Vector Machine) bin und die Implementierung schlecht oder nicht sehr genau ist: no_good: Die reale Sache ist wie das GIF unten. App Link

Als ich fragte, wie ich glücklich sein könne, bekam ich die Antwort ** "Gib in jeder Situation dein Bestes" **: klatschen:

Ziel (Zweck?) Dieses Themas

• Minimum: Beschreiben Sie die Vorgehensweise beim Erstellen einer Anwendung und des verstopften Teils.
• Vollständig: Integrieren Sie neue Technologien in die aktuelle App, um einen Artikel zu erstellen.

Es wird lange dauern, diesmal liegt es an der Umwelt. .. ..

Zielgruppe:

• Personen, die sich für maschinelles Lernen interessieren, sich aber darauf beziehen möchten, worauf es angewendet werden kann
• Leute, die irgendwie WEB-Apps in einer bestimmten Sprache erstellt haben oder kennen
• Personen, die eine Umgebung erstellen können, indem sie sich auf das Netz und die Bücher beziehen, und den Code irgendwie lesen können

App Übersicht

Der Bildschirm und die Verwendung sind sehr einfach. Wenn Sie eine Frage eingeben, wie in der Abbildung unten gezeigt, werden am unteren Bildschirmrand mehrere Antworten angezeigt. $ \ tiny {* Mach dir keine Sorgen um die Beispielfrage} $: sob: Wenn Sie auf den Antwortlink klicken, wechselt der Bildschirm auf einer anderen Registerkarte zum Linkziel.

Verarbeitungsablauf

Der Ablauf vom Benutzer, der den Fragentext eingibt, bis zur Anzeige der Antwort auf dem Bildschirm auf der Systemseite ist wie folgt. Das Gleiche gilt für Menschen, aber klassifizieren Sie zuerst, welche Art von Frage (was, wann, wie) dem fraglichen Inhalt. Führen Sie im Voraus maschinelles Lernen durch, um ein geschultes Modell (Fragetyp) zu klassifizieren und vorzubereiten. $ \ tiny {* Ich möchte später, wenn ich Zeit habe, einen Artikel über die Methode des maschinellen Lernens schreiben. .. } $: heat_smile: Holen Sie sich nach dem Klassifizieren der Fragen die Sätze aus dem Netz (Scraping). Klassifizieren Sie die erworbenen Sätze. Auch hier wird maschinelles Lernen im Voraus durchgeführt, um zu klassifizieren Bereiten Sie ein geschultes Modell vor (Antworttyp). Dann werden der Antworttyp und der erfasste Text vorübergehend in der Antwortkandidatenliste gespeichert. $ \ tiny {* Ich habe das Gefühl, dass die Verarbeitung verschwendet wird. .. } $: schluchzen: Durchlaufen Sie die Liste der Antwortkandidaten. Wenn der Fragentyp mit dem Antworttyp übereinstimmt, speichern Sie ihn in der Antwortliste. Schließlich wird die Antwortliste auf dem Bildschirm angezeigt.

Umgebung ^{* Ich denke, es wird funktionieren, auch wenn es nicht die folgende Version ist, aber bitte beachten Sie, dass es alt ist: no_good_tone2: </ sup>}

• Entwicklungsumgebung
  • OS : Ubuntu 18.04.4 LTS
• Sprache: Java1.8, HTML, CSS, JavaScript, Python 3.7
• Framework: Spring Boot 1.5, Bootstrap
• Quellcodeverwaltung: Github
• Build-Tool: Gradle 3.4.1
  • IDE：Spring Tool Suite(STS)
• Serverumgebung
• Bereitstellen: Heroku,
• Ap-Server: Tomcat (enthalten)
• Bereitstellungsmethode: Push an Github und automatische Bereitstellung an Heroku

die nächste Bereitstellung

Dieses Mal schrieb ich einen Artikel über die Umwelt. Es ist ein schäbiger Artikel, aber ich habe ihn fast einen Tag lang benutzt: schluchzen: Wenn Sie Zeit haben, können Sie auch nach und nach auffrischen, Sauce usw. Ich möchte einen Artikel schreiben: schluchzen: