#7892133 基于django和neo4j的旅游领域问答系统和图谱展示

简介: #7892133 基于django和neo4j的旅游领域问答系统和图谱展示


@ #7892133 基于djangoneo4j的旅游领域问答系统和图谱展示

简介:适配其他图谱可能需要二次开发,本系统是基于neo4j的图谱数据展示系统和问答系统,问题数据主要是基于旅游领域,基本完成以下功能

  • 关系图谱的展示
  • 关系图谱的查询
  • 旅游领域关系图谱的问题
  • 问题过程包括语句解析–模板匹配–match语句生成–获取结果
  • 返回结果以及过程的可视化

功能总览

详细截图介绍

登录注册退出
登录

注意,所有用户自己注册就好

注册:
系统完整截图
首页展示

neo4j数据:

可以直接输入问题

输入问题后后台进行自然语言识别等,返回结果前端可以显示过程

图片展示查询节点后

查询节点后,可以展示查询节点->的数据,图谱方式

个人中心

Neo4j
数据库展示

在这里插入图片描述

系统环境

环境 版本 下载链接
windows 所有版本
python 3.7 必须是3.7+
neo4j

系统安装启动

系统采用django开发,全套使用django就可以,数据库为sqlite和neo4j

提前安装好neo4j

  • 打开项目,安装python
  • 安装依赖包: pip install -r requests.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
  • 启动django:python manage.py runserver
  • 出现下图为成功:

使用注意点

  • 项目启动后,请先修改neo4j的账户密码,搜索全项目中所有 g=Graph(‘http://localhost:7474’,user=‘neo4j’,password=‘123456’)
  • 修改密码
  • 初始化neo4j(初次启动必须执行,记得提前把neo4j启动起来啊!!)

http://localhost:8000/write_to_neo4j

  • 获取化学数据原始值

http://localhost:8000/init_neo4j

版权说明

本文谢绝转载,qalangtao.com

联系我,看简介,代码有问题可以随时找我

联系v----:评论找


目录
相关文章
|
7天前
|
监控 应用服务中间件 网络安全
#637481#基于django和neo4j的日志分析系统
#637481#基于django和neo4j的日志分析系统
20 4
|
4天前
|
数据库 数据安全/隐私保护 数据库管理
#765372#基于django和neo4j的通用数据展示系统
#765372#基于django和neo4j的通用数据展示系统
9 1
|
7天前
|
搜索推荐 关系型数据库 MySQL
#874358#基于django/neo4j的电视剧浏览数据推荐系统
#874358#基于django/neo4j的电视剧浏览数据推荐系统
12 0
|
7天前
|
搜索推荐 关系型数据库 数据库
#646253#基于django/neo4j的电影打分推荐系统
#646253#基于django/neo4j的电影打分推荐系统
10 0
|
7天前
|
数据可视化 NoSQL 数据库
#879273#基于django/neo4j的通讯录与QQ好友关系管理系统
#879273#基于django/neo4j的通讯录与QQ好友关系管理系统
11 0
|
7天前
|
SQL 前端开发 Python
基于python-django的neo4j人民的名义关系图谱查询系统
基于python-django的neo4j人民的名义关系图谱查询系统
15 0
|
7天前
|
数据采集 前端开发 数据库
基于python-django的neo4j化学关系材料图谱系统
基于python-django的neo4j化学关系材料图谱系统
16 0
|
2月前
|
存储 NoSQL 数据库
揭秘Django与Neo4j:构建智能知识图谱的终极指南
揭秘Django与Neo4j:构建智能知识图谱的终极指南
76 0
|
1月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
90 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
1天前
|
安全 数据库 C++
Python Web框架比较:Django vs Flask vs Pyramid
Python Web框架比较:Django vs Flask vs Pyramid
9 4