大数据

Neo4j的数据库构建完成后，现在就是要实现医疗知识的解答功能了。因为是初版，这里的问题解答不会涉及深度学习，目前只是一个条件查询的过程。而这个过程包括对问题的关键词拆解分类

前面的文章已经介绍了 neo4j 服务的本地安装，以及数据的增删改查操作方法。那么这里就要进入 python 项目，来完成医疗知识的构建，问答机器人的代码实现。但篇幅较长，本文就主要介绍知识图谱

说到问答机器人，就不得不说一下 ChatGPT 啦。一个预训练的大预言模型，只要是人类范畴内的知识，似乎他回答得都井井有条，从写文章到写代码，再到解决零散琐碎的问题，不光震撼到我们普通人，就百度

话说前面已经简单介绍过在windows下hadoop&hive环境搭建和基本使用，如果这次直接写Spark项目实践就有一点突兀，那么就暂且跳过，先在IDEA中安装bigData插件连接hadoop

周末空闲时间无意找到了一套个性化推荐的源码，整体项目运用了SSH，HDFS，Flume，Hive，Kafka，Spark，Scala等。运行时，本来通过spark计算业务埋点数据时

因为在项目中集成了ElasticSearch，用于某些业务场景的搜素或筛选。这里关于ElasticSearch就不做介绍了，虽然解决了全文搜索的性能问题。但是当出现一些频繁更新的数据放置在ES

Hive是一个基于Hadoop的数据仓库工具，以一种类SQL的HQL语句操作Hadoop数据仓库(HDFS等)。所以本地windows安装前需要先搭建Hadoop