基于知识图谱的智慧城市主题智能问答系统，包含意图识别与类知识库送入LLM方法

py2neo疑似寄了，封装了一套自己用到的的Neo4j操作

实体识别直接AC自动机暴力，听说有库也懒得调了，直接和gpt一起手搓几十行解决，最后还要去掉名称有包含关系的实体，也是二重循环暴力了。也可以用结巴分词后再一一匹配，隔壁wenda的接口用的这个方法

意图识别调用torchtext自带的xmlroberta进行训练，本质文本分类，训练集为自编的智慧城市下的若干公共服务场景的用户问题，对实体和语气词进行预处理，使用EDA_NLP_for_Chinese进行数据增强。自己改了EDA源码，取消了近义词和插入，因为自己造数据集的时候已经搞得差不多了，而且实体预处理后的占位单词不能转变为近义词

LLM使用RWKV，借鉴了wenda的prompt，对用户问题中找到的所有实体，查询其在知识图谱中的所有相关知识送入LLM prompt中，让LLM自己提取。在这种已知图谱形状，自己做了知识翻译的情况下，使用3B小模型跑fp16i8，就能达到很好的效果

RWKV用的API见我的另一仓库，知识图谱调用的wenda接口同样上传