知识图谱项目汇总

最新推荐文章于 2025-02-28 00:06:21 发布
最新推荐文章于 2025-02-28 00:06:21 发布
阅读量2.2k 收藏 65
点赞数 5
分类专栏： 知识图谱
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/QFire/article/details/102589028
版权

Experiments of developing an IRTG which simultaneously encodes transformations between phrase structure trees, dependency graphs and semantic graphs.

中文关系抽取

基于深度学习的中文关系抽取框架

distant supervised relation extraction models

使用基于 BERT 的实体抽取和关系抽取的联合端到端模

基于TensorFlow和BERT的管道式实体及关系抽取

关系抽取个人实战总结以及开源工具包使用

实体识别和关系抽取的联合模型

对西游记小说进行人物关系抽取

semeval 2010 task8 关系抽取模型代码

IPRE: a Dataset for Inter-Personal Relationship Extraction

CCKS2019-人物关系抽取

supervised relation extraction for PCNN (Zeng 2014) in pytorch 关系抽取

从零开始构建知识图谱

利用网络上公开的数据构建一个小型的证券知识图谱/知识库

整理知识图谱相关学习资料

基于知识图谱的智能问答机器人

史上最大规模1.4亿中文知识图谱开源下载

各大中文分词性能评测

基于知识图谱的《红楼梦》人物关系可视化及问答系统

基于知识图谱的《三国演义》人物关系可视化及问答系统

爬取百度百科中文页面，抽取三元组信息，构建中文知识图谱

基于知识图谱的问答系统，BERT做命名实体识别和句子相似度，分为online和outline模式

对知识库Wikidata的爬虫以及数据处理脚本 将三元组关系对齐到语料库的脚本 获取知识图谱数据的脚本

中文医学知识图谱命名实体识别，包括bi-LSTM+CRF，transformer+CRF等模型

典型知识图谱项目：FreeBase、WikiData、Schema.org、DBPedia、YAGO、WordNet、ConceptNet、BabelNet、Palantir
u013250861的博客
03-20 1636
典型知识图谱项目：FreeBase、WikiData、Schema.org、DBPedia、YAGO、WordNet、ConceptNet、BabelNet
微软开源项目GraphRAG——基于知识图谱的RAG简介
洛阳泰山的博客
07-11 3493
在大型语言模型（LLM）的前沿研究中，一个核心挑战与机遇并存的领域是扩展它们的能力，以解决超出其训练数据范畴的问题。这不仅要求模型在面对全新数据时仍能保持卓越表现，还意味着开辟了全新的数据分析可能性，如在各种数据集中识别主题和语义概念，同时保留上下文和实体关系。在此背景下，微软研究院自豪地推出了GraphRAG——一项旨在显著提升LLM能力的重大突破。传统的检索增强生成（RAG）方法通过基于用户查询搜索信息，并将结果作为AI生成答案的参考，已成为大多数LLM工具不可或缺的一部分。
知识图谱项目（SSM框架）
lijiachu的博客
10-28 2058
一、简介 使用Neo4j图数据库，对数据进行存储，然后使用echarts库，将知识节点化展示。 使用SSM框架进行web项目的构建。 二、实现原理 1.批量向Neo4j数据库中添加数据 我在此篇博客有详细说明：向Neo4j导入数据。 2.利用echarts库进行节点展示 我在此篇博客有详细说明：echarts可视化 3.SSM框架的使用 我...
知识图谱完整项目实战（附源码）（2）
热门推荐
数据饕餮
12-04 1万+
一、前言 本文是《知识图谱完整项目实战（附源码）》系列博文的第2篇：汽车知识图谱完整项目案例演示，主要介绍汽车领域知识图谱前端界面的功能演示。 知识图谱的学习是一个基础到实战，从入门到精通的一个逐渐深入的、渐进式的过程。在这个过程中，一个完整的项目，起到的作用往往是对过往所学全部知识的串联和融合。只有经过一个完整项目的实践，才能真正把所学的、离散的、点状的知识点融合到一起，从而形成理论到实战的...
知识图谱(Knowledge Graph)学习
最新发布
weixin_42001184的博客
02-28 1219
从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。知识图谱（ Knowledge Graph）的概念由谷歌2012年正式提出，旨在实现更智能的搜索引擎，并且于2013年以后开始在学术界和业界普及。
知识图谱项目札记
07-10 991
时间：2017年7月10日1.获取领域知识：找相关领域专家获取项目所需的已经大量存在的结构化的知识数据。(别说找不到，只要有相关学科，一定能找到一些，自己去整理实在太耗费时间和精力，并且不敢保证其科学性)，以作后续处理。2. 对这些结构化的数据进行处理：[1]对这些结构化的数据再次结构化：按我们所需的数据结构进行重新整理。人工？还是直接使用数据库进行数据处理获得我们所需的结构数据？个人认为最好当然是
知识图谱（Knowledge Graph）
baijinswpu的博客
07-20 5115
认识知识图谱        随着W3C在2007年发起的开放互联网数据项目（Linked Open Data）的火热，互联网上的数据正从杂乱的网页文本数据转变为包含大量描述实体之间丰富关系的数据万维网。在这个背景下，Google于2012年5月率先提出了知识图谱的概念，目的是将用户搜索的结果进行知识系统化，让每一个关键字都拥有一个完整的知识体系，从而真正意义上实现基于内容的检索，提高搜索质量。如...
知识图谱医疗项目实战一 走起来！Python+Neo4j构建图谱
Jeremy Deng的博客
02-07 1056
知识图谱技术，是人工智能自然语言处理领域将知识文本形成“图”或者“网络”的一种技术，进而可以根据构建好的知识网络，做进一步分析或预测。比如医疗领域，我们将门诊的问诊记录，诊断结果，建议饮食，开具药物等信息按照选定的建模方式，构建出完整的门诊知识图谱，我们再问诊，就可以先基于知识图谱进行提问，系统根据知识图谱中已经构建好的关系和症状等等信息作匹配后进行回答。
2021知识图谱BigDataKG项目总结
luozhenjie123的博客
10-09 448
一、问题汇总及解决方案 1、neo4j中不同节点指向同一个“同名节点" 问题描述：neo4j中不同节点指向同一个“同名节点"。想要的效果是V2.0—周长—20；V1.0—周长—50.但是现在全部节点都关联起来了。 解决方法：创建某节点（例如A节点）时，附加A节点的父节点及以上所有信息。两节点（如A与A的子节点A1）相连时，需要核实A的所有父节点信息和A1的父节点信息是否一致。 2、neo4j中重复创建节点 问题描述：neo4j中重复创建所有父节点信息一致的节点，从而导致重复边相连接。 解决方
行业知识图谱调查报告（二）：知识图谱构建及行业知识图谱构建举例
南有芙蕖
04-08 2380
行业知识图谱调查报告（二）：知识图谱构建及行业知识图谱构建举例 目录行业知识图谱调查报告（二）：知识图谱构建及行业知识图谱构建举例二、知识图谱构建2.1 知识表示与建模2.1.1 知识表示模型2.1.2 知识表示学习2.2 知识获取2.2.1 实体识别与链接2.2.2 实体关系学习2.2.3 事件知识学习2.3 知识图谱查询与推理计算2.3.1 知识存储和查询2.3.2 知识推理三、行业知识图谱构建基本流程——以明略科技研为例3.1 行业知识图谱构建的关键步骤3.2 行业知识图谱的自动构建3.3 大规模行业
知识图谱大模型系列之 12 LLM 知识图谱构建器：从零到 GraphRAG 使用 LLM 知识图谱生成器在 GenAI 应用中提取和使用知识图谱(教程含源码)
iCloudEnd的博客
06-21 1401
为了更深入地了解 LLM 知识图谱构建器，GitHub 存储库提供了大量信息，包括源代码和文档。此外，我们的文档提供了详细的入门指南，而GenAI 生态系统则提供了有关可用更广泛工具和应用程序的进一步见解。
知识图谱完整项目教程（附上代码）
05-03
知识图谱完整项目教程。水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字水字
知识图谱项目实践
BIT_mk的博客
09-03 1737
俄乌战争知识图谱项目实践！
知识图谱项目实战
studyvcmfc的专栏
04-17 365
https://zhuanlan.zhihu.com/p/29332977
山东大学项目实训——知识图谱
.zhen.
05-17 474
项目基本介绍
新闻文本内容知识图谱表示项目
lhy2014的博客
10-06 4316
TextGrapher 项目地址：https://github.com/liuhuanyong/TextGrapher Text Content Grapher based on keyinfo extraction by NLP method。输入一篇文档，将文档进行关键信息提取，进行结构化，并最终组织成图谱组织形式，形成对文章语义信息的图谱化展示。 项目介绍 如何用图谱和结构化的方式，即以简洁...
知识图谱：12种通用知识图谱项目简介
u013250861的博客
05-23 1227
通用知识图谱大体可以分为百科知识图谱（Encyclopedia Knowledge Graph）和常识知识图谱（Common Sense Knowledge Graph）。 百科知识图谱是百科事实构成的，通常是“非黑即白”的确定性知识。早在2010年微软就开始构建商用知识图谱，应用于旗下的搜索、广告、Cortana等项目。2012年谷歌基于Freebase正式发布Google Knowledge Graph。 目前微软和谷歌拥有全世界最大的通用知识图谱，脸书拥有全世界最大的社交知识图谱。而阿里巴巴和亚马逊则
创新项目实训（18）——知识图谱构建
2401_83485566的博客
06-23 229
考虑到医院主页是为了向访问的用户提供一些阅读材料和信息，除了一些新闻链接之外，还提供了可供用户交互的知识图谱展示。事实上，因为节点之间的关系很复杂，屏幕介质显示有限，所以只取了50+个节点，不然会显得十分杂乱。在收集的数据中，选取了出现频率比较高的50+种肠科疾病，进行知识图谱的构建。
知识图谱嵌入表示实战——基于TransE、Pytorch的知识图谱嵌入项目（源代码和运行实例）
weixin_45440484的博客
05-31 9779
知识图谱常用的嵌入方法主要有TransE、TransH、TransR、RESCAL、DistMult、ComplEx、RotatE、SimplE和TuckER等。项目步骤：1. 定义DBPDataset类表示数据集,重写__getitem__方法返回三元组。 2. 定义KGEmb模型表示知识图谱Embedding,包含实体与关系Embedding层。 3. 构建DataLoader加载数据集,定义优化器与TransE损失函数进行训练。 4. 训练结束后,ent_emb与rel_emb分别为实体与关系Embe
Java后端开发知识图谱详细解读
Java后端知识图谱是关于Java技术在服务器端（后端）开发方面的全面信息汇总，这包括了Java的基础知识、核心API、设计模式、框架应用以及后端开发相关的最佳实践。 Java后端开发主要集中在服务器端程序的编写，涉及...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值