上节课，我们在Neo4j的云服务上创建了一个实例，这节课开始，我们就可以在这个实例上，学习Neo4j的专用CQL语句了。在正式学习CQL语句之前，还有必要先介绍几个知识图谱的基本概念，帮助大家理解CQL语句中的关键字。

从这节课开始，我们一起来学习一个新的工具，叫做Neo4j。既然我把它看做是一个工具，也就说明这个课程的目标，不是培养Neo4j的专家，也不会介绍太多理论知识，而是使用Neo4j，去解决某些特定场景的问题。

在前面两个章节，给大家讲解了豆瓣电影数据的爬取，和Neo4j的Cpyher语法。从这节课开始，终于可以正式进入电影知识问答这个项目了。

《基于豆瓣电影TOP250数据的知识图谱对话机器人》课程，是「知识图谱」系列的第一个项目，内容包括：数据爬取、Neo4j图数据库、模板解析、前端交互四个部分。特别适合要做完整知识图谱项目的同学，比如做毕业设计、全栈工程师之类。

上节课中，给大家介绍了爬取流程，是先爬取列表，解析出详情页地址，再去详情页获取电影信息。这节课，我们就来搞定列表页的数据爬取。

在这一章里面，我将带大家来爬取「豆瓣电影Top250」的数据，爬取到的数据，将作为后面知识图谱课程的素材。因为豆瓣没有反爬策略，所以爬取的过程比较简答。我们课上演示的是Top250的数据，大家如果有兴趣，想去爬取豆瓣上全量的电影数据，也是相同的套路。

前面课程中，问题的多标签分类模型，我们已经做完了。这节课开始，正式进入“问题+回答”的情感分类模型部分。这一部分的数据集，也是业务人员帮我们标注的数据，商品类别还是面霜，训练集是7k条，测试集是2k条。

上节课给大家介绍了TF-IDF的计算公式，这节课方便大家理解，先用面向过程的方式，来实现这个算法。但是项目需求里面，还有动态装载语料库、维护停用词这样一些要求，后面还是需要封装成类。

TF-IDF是一种统计方法，用以评估某个词对于语料库中某一份文档的重要程度。某个词的重要性随着它在文档中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。

从本节课开始，我们将给大家介绍一个，文本处理的基础但是很有用的算法：TF-IDF算法。TF-IDF算法，全称：词频-逆文档频率（term frequency–inverse document frequency），本质是一种统计方法，并不属于深度学习的范畴。

上节课我们提到，为了提高模型准确率，后面我们会把多标签和单标签两个模型结合，做成一个 pipline 的联合模型，所以我们先把之前的单标签模型，替换一下数据集，重新训练一个当前数据集对应的模型文件出来备用。

前面课程当中，给大家讲解了用 Bert+TextCNN，实现文本分类的项目。在这个项目中，目标是给新闻标题做分类，是一个单标签的任务。但在实际项目中，多标签也是一个比较常见的场景。

上一节课，我们重新整理了样本文件，接下来就可以定义Dataset类，来加载数据了。为了让模型也可以适用于，一个句子有多个实体的情况，我们把样本中相邻两个句子合并，用最小的代价，模拟出多个实体的场景。

上节课给大家详细介绍了模型结构，这节课，我们就开始做数据预处理了。数据预处理阶段，我们需要完成两个任务，一个是将样本文件处理成一句一行的形式，方便读取，另一个是，剔除异常数据。

上节课当中，给大家介绍了任务目标，并且演示了项目的最终效果。因为这个模型是一个联合任务，相对复杂，我们还是花一节课时间，给大家详细介绍一下模型结构。另外，论文中模型的配图，不是很好理解，我给大家重新画了一个精简版本，帮助大家更好的理解代码流程。

从这节课开始，我们将一起来学习一个新的项目，叫做属性级情感分析。属性级情感分析（Aspect-based Sentiment Analysis, ABSA）是一类细粒度情感分析任务，常用于评论分析中，帮助商家深入理解用户偏好。

从6月初开始，我就在着手录制一个系列的NLP项目课程，到今天已经全部录完了。下面，我就从4个方面，给大家做一个简短的汇报。

上节课当中，给大家介绍了这个项目需要用到的数据集，并且做了简单的数据预处理，缓存好了关系分类文件。接下来，我们可以定义Dataset类，来加载数据了。这节课，先完成文件加载和分词这两块内容。

前面介绍完 CasRel模型结构，接下来我们看一下数据集，然后做一个简单的预处理。因为是用 Bert 做分词，就省去了自己建词表的过程，只需要把关系解析出来，供后续流程使用，就可以了。

上节课，给大家整体介绍了项目要做的事情，就是从一段文本当中，找到主体、客体、和关系的三元组组合，因为 CasRel 这个模型，设计思路不是很常规，示意图的细节也容易混淆，所以我们单独用一节课时间，来拆解一下这个模型。