weixin_44911248的博客

关联查询系统

Hbase安装使用中遇到的各种问题

文章目录1.导言1.1 为什么要研究图（graph）1.2 针对图结构的机器学习任务1.3 特征表示的难点1.4 特征表示的解决思路1.5 线性化思路1.6 图神经网络1.7 讨论：何谓Embedding1.8 总结2.图结构表示学习2.1 deepwalk(深度游走算法)2.2 node2vec3. 图特征表示学习3.1 GCN 图卷积网络1.导言1.1 为什么要研究图（graph）很多数据都是图结构，例如社交网络、经济网络、生物医学网络、信息网络（互联网网站、学术引用）、互联网、神经网络。而网络是

1.基于信息检索1.1 KG-based Question1.2 子图嵌入 1.3 多列卷积神经网络通过自由基回答问题 1.4 Knowledge graph + TextKnowledge graph: 高精度，但是知识库总是不完整的Text: 答案覆盖率高，但在开放域设置中很难提取答案1.5 Relation Extraction and Textual Evidence 2.语义解析 2.1 复杂问题的挑战具有多重

文章目录1.RDF和语义网络1.1 RDF简介1.2 现有的关系型数据库系统存储设计解决方案属性表二列表全索引基于图的方法1.3 分布式系统解决方法基于分区的方法gstore:一个分布式的SPARQL查询引擎集中式组件概述1.RDF和语义网络RDF（资源描述框架）是一种用于对有关web资源信息进行概念性建模的语言语义网络的构建模块促进信息交换搜索引擎可以检索更多相关的信息促进数据集成（混合）机器可理解理解网络上的信息和它们之间的相互关系1.1 RDF简介

文章目录1. RDF图数据模型1.1 资源描述框架RDF1.2 RDF图数据模型1.3 RDF Schema(简称RDFS)2.SPARQL查询语言2.1 SPARQL 语法2.2 SPARQL 命名空间2.3 SPARQL 数据集2.4 SPARAL 查询语言2.5 图模式定义2.6 SPAQAL 组图模式 联合图模式2.7 SPAQAL 符号优先级2.8 SPAQAL 结果修饰2.9 SPAQAL语义2.10 图模式的匹配2.11 SPARQL 新特性3.属性图模型和Cypher查询语言3.1 属性图

1.知识图谱概念知识图谱本质上是基于图的语义网络，表示实体和实体之间的关系。 构建知识图谱的目的，就是让机器具备认知能力，理解这个世界。 2.知识图谱研究的多个维度2.1 知识图谱相关发展领域 知识图谱是Web和大数据时代的知识工程新的发展形态。知识工程的核心:知识库和推理引擎。• 领域本体的构建：面向特定领域的形式化地对于共享概念体系的明确而又详细的说明• 知识抽取：从海量的数据中通过信息抽取的方式获取知识• 知识融合：通过对多个相关知识图谱的对齐、关联和合并，使其称为一个有机的整