love code, love life.

同济大学 zhou xiaohan对知识图谱的应用情况进行了系统性研究，发表在CCEAI2020的会议上，这里是个简单的翻译。 摘要： 知识图谱，将信息表示为语义图，已经引起了工业界和学术界的广泛关注。 它们提供语义结构化信息的特性为许多任务（包括回答问题，推荐和信息检索）带来了重要的可能解决方案，并被认为为开发更多智能机器提供了广阔的前景。 自Google自2012年提出该术语以来，尽管知识图谱已经在各种商业和科学领域中支持多种“大数据”应用程序，但之前没有进行过系统的研究来对知识图的应用进行系统.

从资料库中获取基本词源知识图谱的第一步。通过开源的中文分词算法库实现了任意文本段落的中文分词，可以得到其中包含的中文词组。 开源的中文分词包有很多，这次选用的分词算法库是结巴分词，它是非常流行的中文分词包，有多个语言的版本，这次采用了java版的。从结巴分词的github的主页上下载代码后，根据例子，填写少量代码就可以实现任意文本的分词。具体代码如下图，包括读取文件，调用结巴分词分析的类，执行分...

1、概念 什么是知识图谱：知识图谱时由google公司在2012年提出来的一个概念。学学术上定义是：“知识图谱本质上是语义网络（Semanticnetwork）的知识库”。从实际应用的角度，可以简单地把知识图谱理解成多关系图（multi-relationalgraph）。多关系图一般包含多种类型的节点和多种类型的边。在知识图谱里，通常用实体（entity）表示图里的节点，用关系（relati...

很多领域都需要用知识和数据建立模型用于预测未来或认识过去。有些领域，知识很少，数据很多，数据容易获取，建立模型时主要用数据就能完成，比如图像识别、语音识别、垃圾识别，这主要针对具有人类日常知识的通用领域，数据标签获取难度低。有些领域，积累了很多知识，数据很少，公开的数据更少，数据获取费用很高，建模型时使用少量的数据，再上大量的知识，比如地下地质体地质建模、金融预测模型，这些针对专业性很强的领域，门...