如何利用BERT预训练模型在医药问答系统中实现意图识别功能？请给出具体的Python代码实现。

在构建医药知识图谱的自动问答系统时，意图识别是一个关键步骤，它决定了系统如何从用户的查询中提取关键信息，并据此给出精确的回答。BERT预训练模型因其能够理解复杂的语言结构和上下文，非常适用于意图识别任务。

参考资源链接：[Python+BERT医药问答系统开发及源代码教程全解](https://wenku.csdn.net/doc/6f3sytu55c?spm=1055.2569.3001.10343)

为了帮助你更好地掌握这一技术，推荐查看《Python+BERT医药问答系统开发及源代码教程全解》。这份资源详细讲解了如何利用BERT模型实现意图识别，并提供了完整的源代码。

在实现意图识别时，首先需要准备一个预先训练好的BERT模型，然后将用户的查询输入到模型中，模型将输出一个向量表示，该表示能够捕捉查询的语义信息。接下来，可以使用分类算法对这个向量进行分类，以确定用户的意图类型。以下是一个简单的Python代码示例：

from transformers import BertTokenizer, BertForSequenceClassification
import torch

# 初始化模型和分词器
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = BertForSequenceClassification.from_pretrained('bert-base-uncased')

# 假设我们已经有了一个预训练的意图识别模型
# 这里使用bert-base-uncased模型作为示例

# 对用户输入进行编码
query = 

参考资源链接：[Python+BERT医药问答系统开发及源代码教程全解](https://wenku.csdn.net/doc/6f3sytu55c?spm=1055.2569.3001.10343)