计算机毕业设计hadoop+spark知识图谱中药推荐系统 中药材推荐系统 中药可视化 中药数据分析 中药爬虫 机器学习 深度学习 人工智能 大数据

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片!

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片!

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片!

本文所探讨的领域是中药行业的软件工程毕业论文领域知识图谱的构建,主要是针对中药数量与省份的对应,针对中药领域的技术信息构建知识图谱,利用自定义的中文分词方法与自定义的类别进行相似度匹配,从而建立中药类别和数量的对应。针对每一年中药数量多,内容比较庞杂,难以理顺数据脉络,知识图谱技术可以提取相应实体及实体间的语义关系,可以利用图数据库Neo4j进行数据存储与展示,获得一些人工很难得出的语义信息,有助于知识的充分利用。

知识图谱在通用领域内的应用已经开始大放异彩,但是将知识图谱与中药领域相结合的应用还寥寥无几,为了充分把握中药领域的发展热点,对中药进行持续监控,持续改进毕业设计环节,同时结合知识图谱的特性,使人们可以更加直观清晰的对过往中药进行回顾以及对热门中药的直观认识。

本系统使用Eclipse作为开发工具,使用Java为开发语言,使用Vue.js+SpringBoot组合框架开发后台和页面,mysql为数据库。开发简单,而且维护起来比较方便。

****关键词:****Springboot框架、vue框架、mysql数据库、中药可视化系统

abstract

Are discussed in this paper is Chinese traditional medicine industry of the construction of the graduation thesis software engineering domain knowledge map, mainly in view of the corresponding number of traditional Chinese medicine (TCM) and the provinces, in view of the traditional Chinese medicine (TCM) in the field of information technology to build knowledge map and use a custom in Chinese word segmentation methods with custom category similarity matching, so as to establish corresponding to traditional Chinese medicine (TCM) type and quantity. In view of the large number of traditional Chinese medicines in a year and the complexity of the content, it is difficult to arrange the data context, knowledge graph technology can extract the corresponding entities and semantic relations between entities, and graph database Neo4j can be used for data storage and display to obtain some semantic information that is difficult to be obtained manually, which is conducive to the full utilization of knowledge.

The application of knowledge graph in the general field has begun to be brilliant, but there are few applications that combine knowledge graph with traditional Chinese medicine. In order to fully grasp the development hot spots in the field of traditional Chinese medicine, to continuously monitor traditional Chinese medicine, to continuously improve the graduation project, and to combine the characteristics of knowledge graph, So that people can be more intuitive and clear to the past Chinese medicine review and popular Chinese medicine intuitive understanding.

The system uses Eclipse as a development tool, uses Java as the development language, uses vue. js+SpringBoot combined framework to develop background and pages, mysql as a database. It is easy to develop and maintain.

****Keywords:****Springboot framework, VUE framework, mysql database, TCM visualization system

第一章 绪论

1.1 课题的背景和意义

数据高速膨胀的时代,我们无法忽视大量数据带给我们的影响。数据可视化是利用图形图像等方式表现数据内涵的技术,比单纯的数据展现能够更加带给用户直观感,用户很容易看出的数据的变化趋势等信息[10]。因此为了充分把握中药领域的发展热点,对中药进行持续监控,持续改进中药环节,开发一个中药可视化系统就显得非常必要[11][12]。基于以上分析,决定做一个中药知识图谱及可视化原型系统。

本文所探讨的领域是中药行业的软件工程毕业论文领域知识图谱的构建,主要是针对中药数量与省份的对应,针对中药领域的技术信息构建知识图谱,利用自定义的中文分词方法与自定义的类别进行相似度匹配,从而建立中药类别和数量的对应[13][14][15]。针对每一年中药数量多,内容比较庞杂,难以理顺数据脉络,知识图谱技术可以提取相应实体及实体间的语义关系,可以利用图数据库Neo4j进行数据存储与展示[16][17],获得一些人工很难得出的语义信息,有助于知识的充分利用[18]。

知识图谱在通用领域内的应用已经开始大放异彩,但是将知识图谱与中药领域相结合的应用还寥寥无几,为了充分把握中药领域的发展热点,对中药进行持续监控,持续改进毕业设计环节,同时结合知识图谱的特性,使人们可以更加直观清晰的对过往中药进行回顾以及对热门中药的直观认识。

1.2 国内外现状

随着人工智能的蓬勃发展,以及人工智能中的自然语言处理、机器学习、深度学习等相关技术的突破,基于人工智能的应用也得到了快速的发展。知识图谱作为其中的一个应用,也在快速的发展。知识图谱最早出现是被Eugene Garfield等人用在研究构建DNA领域上,为了能够展示DNA研究的历史进程,采用知识图谱的科学方法进行描绘。[1][2]随着互联网的快速发展,与互联网相关的研究便由此产生。人们开始研究如何将互联网的大量数据进行更好的描述和展示,Google在2012年便提出了知识图谱的概念,之后不久国内一些大厂也陆续对知识图谱进行了研究[3]。诸如天猫的智能推荐、智能搜索等[4]。

随着近几年知识图谱技术的进步,知识图谱研究与落地发生了一些转向。其中一个重要变化就是越来越多的研究与落地工作从通用知识图谱转向了领域或行业知识图谱,转向了企业知识图谱[5][6]。知识图谱技术与各行业的深度融合已经成为一个重要趋势。

近几年一些大型企业对于利用知识图谱解决企业自身的问题十分感兴趣,于是就有了横贯企业各核心流程的企业知识图谱、领域知识图谱、行业知识图谱与企业知识图谱有时边界也十分模糊。[7]近几年,这几类知识图谱得到越来越多的关注。目前国内对领域知识图谱的研究,已经有很多针对某一领域知识图谱的诞生,像气象学领域、电商领域、医疗领域以及金融领域的知识图谱,然而对教育相关领域的知识图谱确很少[8][9][10]。

相关推荐
古希腊掌管学习的神1 小时前
[机器学习]XGBoost(3)——确定树的结构
人工智能·机器学习
靴子学长3 小时前
基于字节大模型的论文翻译(含免费源码)
人工智能·深度学习·nlp
海棠AI实验室4 小时前
AI的进阶之路:从机器学习到深度学习的演变(一)
人工智能·深度学习·机器学习
Data跳动4 小时前
Spark内存都消耗在哪里了?
大数据·分布式·spark
IT古董5 小时前
【机器学习】机器学习的基本分类-强化学习-策略梯度(Policy Gradient,PG)
人工智能·机器学习·分类
woshiabc1115 小时前
windows安装Elasticsearch及增删改查操作
大数据·elasticsearch·搜索引擎
睡觉狂魔er5 小时前
自动驾驶控制与规划——Project 3: LQR车辆横向控制
人工智能·机器学习·自动驾驶
scan7245 小时前
LILAC采样算法
人工智能·算法·机器学习
lucky_syq5 小时前
Saprk和Flink的区别
大数据·flink
lucky_syq6 小时前
流式处理,为什么Flink比Spark Streaming好?
大数据·flink·spark