本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。
一、项目描述
基于 BERT 模型的知识图谱问答系统
KBQA-BERT 是基于 BERT 模型的知识图谱问答系统，通过命名实体识别（NER）从用户问题中抽取实体，再利用属性相似度匹配（SIM）从 MySQL 知识库中检索对应答案，实现自然语言问答。
登录网址
http://127.0.0.1:5000
二、项目功能
自然语言提问：输入中文问题即可获取答案
NER 实体识别：自动识别问题中的人名、地名、书名等实体
多级属性匹配：精确子串匹配 → 同义词匹配 → 关键词匹配 → 部分匹配 → SIM 语义匹配
属性同义词扩展：”作者”映射”编剧/原著”、”出生地”映射”籍贯”等 16 组
SIM 低分过滤：语义匹配分数低于 0.3 时提示不匹配，避免错误答案
一键复制答案：答案右上角”复制”按钮
问答历史记录：自动保存最近 50 条，点击可重新提问，支持清空
三、运行环境
Windows 10/11，Python 3.x，MySQL 5.7+，TensorFlow 2.21
四、项目技术
前端：HTML5 + CSS3 + 原生 JavaScript（localStorage 存储历史、Clipboard API 复制） 后端：Flask 3.1 + MySQL（PyMySQL） AI：TensorFlow 2.21（tf.compat.v1 模式），BERT 预训练模型（中文哈工大 wwm-ext L-12 H-768 A-12），BiLSTM-CRF 序列标注（NER），句子对相似度模型（SIM） 数据流：用户问题 → BERT Tokenizer → BiLSTM-CRF 标注实体 → 分级查询 MySQL 三元组 → 多级属性匹配打分 → 返回答案实体与匹配方式
以上系统源码经过技术整理与调试，确保能正常运行
五、项目截图
