如何从零开始构建一个基于人文知识图谱的智能问答系统，重点实现实体和关系的查询功能？

构建一个基于人文知识图谱的智能问答系统是一个系统工程，涉及到知识图谱的构建、实体关系的抽取、智能问答算法的设计等多个方面。首先，你需要收集和整理人文领域的相关数据，这可能包括人物、地点、时间、事件等实体以及它们之间的关系。数据采集完成后，需要进行数据预处理，包括实体识别和关系抽取。实体识别可利用命名实体识别技术（NER）来识别文本中的特定实体，而关系抽取则涉及语义分析和依存关系解析技术来确定实体间的联系。

参考资源链接：[基于知识图谱的智能问答系统开发](https://wenku.csdn.net/doc/2acjcqt6i9?spm=1055.2569.3001.10343)

接下来，你需要构建知识图谱，将实体和关系以图形的形式组织起来。可以使用图数据库如Neo4j存储知识图谱，并利用图形查询语言Cypher来执行复杂的查询操作。在智能问答部分，你需要设计算法来理解用户的自然语言问题，并将其映射到知识图谱中去。这通常需要自然语言理解（NLU）技术以及一定的推理机制，以便能够根据用户的查询提供准确的答案。

在整个过程中，选择合适的编程语言和开发框架是至关重要的。你可能会用到Python，因为它在数据科学和人工智能领域有丰富的库支持，如Spacy用于NER，Stanford CoreNLP用于关系抽取，以及NLTK、TensorFlow等工具用于NLP和AI算法的开发。此外，系统的设计还需要考虑到用户交互界面和API接口的设计，以确保用户体验良好。

最后，不要忽视系统测试与评估的重要性。在系统开发的不同阶段进行单元测试、集成测试和性能测试是保证质量的关键步骤。用户满意度调查、准确性评估和响应时间评估等可以帮助你了解系统的实际表现，并据此进行优化。

考虑到你对本项目的需求，我建议你深入研究这本《基于知识图谱的智能问答系统开发》的资料。它将为你提供从知识图谱构建到智能问答系统开发的全流程指导，且附带了项目源码，对于你的计算机毕设或课程作业将是一个不可多得的参考资料。

参考资源链接：[基于知识图谱的智能问答系统开发](https://wenku.csdn.net/doc/2acjcqt6i9?spm=1055.2569.3001.10343)