ChatGPT有用到知识图谱吗？它自己是这样回答...
从搜索引擎到个人助手，我们每天都在使用问答系统。问答系统必须能够访问相关的知识并进行推理。通常，知识可以隐式地编码在大型语言模型（LLMs）中，例如ChatGPT、T5 和LaMDA 等大型语言模型，这些模型在未结构化文本上进行预训练，或者显式地表示在知识图谱（KGs）中，例如OpenKG和Conc
基于pyecharts的中医药知识图谱可视化
数据可视化是一种直观展示数据结果和变化情况的方法，可视化有助于知识发现与应用。Neo4j数据库对于知识图谱的展示形式过于单调。因此，本文基于pyecharts对当前处理的中药知识图谱数据进行分析与可视化。以利用图形传递和表达更清晰的中药知识图谱信息，发掘有潜在价值的内容。......
Neo4j使用记录--APOC和GDS的安装【实践】
对Neo4j的两个插件APOC和GDS在community版本中的安装流程进行了细致介绍，扫除安装盲点。
ChatGPT调研
ChatGPT简介和调研
好玩的chatgpt网站
总结几个好玩。
如何让ChatGPT Plus教你写代码？
ChatGPT+ 是 OpenAI 开发的一种人工智能语言模型，是对原有的 ChatGPT 模型的升级版。与 ChatGPT 相比，ChatGPT+ 在以下几个方面进行了改进：更高的生成质量：ChatGPT+ 使用了更大的模型和更多的训练数据，可以生成更加准确、有趣、多样化的文本。更好的语言理解能力
计算机理论基础知识
计算机是一个大类的统称。我们平时所说的电脑，是计算机的一种，专业术语称之为微型计算机。1946年，人类第一台电子数字计算机ENIAC（Electronic Numerical Integrator And Calculator）在美国宾夕法尼亚大学诞生。
知识图谱-命名实体-关系-免费标注工具-快速打标签-Python3
你好！这是一款实体关系联合标注的本地小程序，以Python3Python3Python3实现。本系统是一种标注文本语料中命名实体与关系或属性的半自动化软件系统，应用PythonPythonPython编程实现可视化界面和主要功能，利用HTMLHTMLHTML和CSSCSSCSS提示标注教程与规范(无
知识图谱之知识抽取
知识抽取是知识图谱构建的核心技术之一，是实现自动化构建大规模知识图谱的重要技术。其目的主要从不同来源、不同结构的数据中进行知识提取并存入知识图谱中。知识抽取任务主要包括以下三个子任务：实体抽取、关系抽取和事件抽取。
【知识图谱】深入浅出讲解知识图谱（技术、构建、应用）
知识图谱的背景 2012 年 5 月 17 日，Google 正式提出了知识图谱（Knowledge Graph）的概念，其初衷是为了优化搜索引擎返回的结果，改善用户的搜索质量以及搜索体验。当前的人工智能技术其实可以简单地划分为感知智能（主要是图像、视频、语音、文字等识别）和认知智能（涉及知识推理、
大数据知识图谱项目——基于知识图谱的医疗知识问答系统（详细讲解及源码）
本项目基于医疗方面知识的问答，通过搭建一个医疗领域知识图谱，并以该知识图谱完成自动问答与分析服务。本项目以neo4j作为存储，基于传统规则的方式完成了知识问答，并最终以关键词执行cypher查询，并返回相应结果查询语句作为问答。问答系统完全基于规则匹配实现，通过关键词匹配，对问句进行分类，医疗问题本
知识图谱现学现用（Django 2.2 + Neo4j 3.5）
Neo4j是一个高性能的NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工
【关系抽取】深入浅出讲解实体关系抽取（介绍、常用算法）
关系抽取（Relation Extraction，简称RE）的概念是1988年在MUC大会上提出，是信息抽取的基本任务之一，目的是为了识别出文本实体中的目标关系，是构建知识图谱的重要技术环节。知识图谱是语义关联的实体，它将人们对物理世界的认知转化为计算机能够以结构化的方式理解的语义信息。关系抽取通过
知识图谱可视化——Neo4j (windows)
目录1、安装JDK环境；2、安装neo4j；3、快速使用neo4j自带示例；4、导入自己的三元组（csv文件）(一) 安装JDK环境【notes】neo4j-4.*版本需要SDK11以及以上版本因为上课需要，我在wins安装了JDK1.8，不想重新去改JDK版本，网上推荐可以安装neo4j-3.5.
知识图谱从入门到应用——知识图谱推理：基于表示学习的知识图谱推理-[嵌入学习]
首先介绍基于嵌入学习的知识图谱推理模型，即知识图谱嵌入（KG Emebedding）。知识图谱最关心的推理任务是关系推理。现实场景中的很多问题都可以归结为基于知识库中已知的事实和关系来推断两个实体之间的新关系或新事实。给定两个实体，预测它们之间是否存在rrr关系给定头实体或尾实体，再给某个关系，预测
故障诊断知识图谱
故障诊断-知识图谱
CMeKG代码解读(以项目为导向从零开始学习知识图谱)（一）
作者从零开始学习和知识图谱有关技术和内容，而本文的核心内容是对CMeKG的python代码进行学习和解读，供大家讨论参考共同进步。CMeKG（Chinese Medical Knowledge Graph）是利用自然语言处理与文本挖掘技术，基于大规模医学文本数据，以人机结合的方式研发的中文医学知识图
【事件图谱】事件抽取与事件关系抽取
本文简单介绍了事件抽取任务和事件之间的几种关系。并根据现在的研究介绍了几种事件抽取和关系抽取的方法。最后简单盘点了事件抽取的研究的发展趋势。
python构建知识图谱
python与知识图谱
文心一言发布的个人看法
富有创造力的人通常有他们自己的理论，而且彼此间的理论相当不同。罗伯特· 高尔文说创造力包含预期与奉献：预期是指在其他人认识到之前，便预见到某个事物将来会变得很重要；奉献是一种信念，它能够使一个人不受怀疑与挫折的干扰，坚持去实现愿景。
