问答系统

问答系统

原文地址：https://milvus.io/docs/question_answering_system.md

本教程演示如何使用开源矢量数据库 Milvus 构建问答 (QA) 系统。

• 打开 Jupyter notebook
• 尝试在线演示

使用的机器学习模型和第三方软件包括：

• BERT
• MySQL
• Towhee

问答系统是一种常见的现实世界应用，属于自然语言处理领域。典型的 QA 系统包括在线客户服务系统、QA 聊天机器人等。大多数问答系统可以分为：生成式或检索式、单轮或多轮、开放域或特定问答系统。

在本教程中，您将学习如何构建一个 QA 系统，该系统可以将新的用户问题链接到先前存储在矢量数据库中的大量答案。要构建这样的聊天机器人，请准备您自己的问题和相应答案的数据集。将问题和答案存储在关系数据库 MySQL 中。然后使用 BERT（用于自然语言处理 (NLP) 的机器学习 (ML) 模型）将问题转换为向量。这些问题向量在 Milvus 中存储和索引。当用户输入一个新问题时，它也会被 BERT 模型转换为向量，Milvus 会搜索与这个新向量最相似的问题向量。 QA 系统会针对最相似的问题返回相应的答案。

QA 聊天机器人的工作流程。

QA 聊天机器人的演示。