看到这篇文章的你，相信对知识图谱相关概念不在陌生。知识图谱相关内容在实际开发中包含两个部分：1.知识图谱构建，2.知识图谱使用。
知识图谱构建过程中涉及内容、技术都比较多。知识图谱的应用也逐渐在我们的生活中随处可见，其中基于知识图谱的问答系统就是其中的一个应用。基于知识图谱的问答系统称做KGQA（knowledge graph question answer），也有人称其为KBQA（knowledge based question answ）.
基于知识图谱的问答系统通常是使用的是领域知识图谱。下面就结合Github上一个比较活的开源项目来介绍知识图谱的使用，进行知识图谱实战。有兴趣到友友可以查看源码：KGQA_HLM。在这里也非常感谢原创作者对项目的开源。
项目介绍该项目是使用flask构建了整个应用，使用neo4j作为图谱的存储媒介，图谱数据通过爬虫爬取进行简单的构建。系统流程图（原作者绘制）如下：
neo4j准备图谱存储数据库准备。如果没有安装的话，可以参考这篇文章：【neo4j】docker容器化安装，这里使用neo4j默认的数据库。
服务则依然使用flask去搭建。我首先在服务器（虚拟机）上创建项目文件夹“/opt/python_projects/KGQAHLM”，然后使用pycharm连上，配置好开发环境，如下：
下面就基于此开始进行知识图谱的项目实战了。该项目使用了flask，如果对flask使用不熟悉的话，可以参考我对flask的学习笔记：Flask，当然如果比较擅长阅读英文文档的话，可以参见官方文档：https://flask.palletsprojects.com/en/2.1.x/
