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。
关系抽取（三）实体关系联合抽取：TPlinker
实体关系联合抽取TPLinker
基于知识图谱的智能问答
基于neo4j的知识图谱智能问答；采用JointBERT完成意图识别、实体识别、属性识别；用GrapthSAGE图神经网络完成失信行为预测
CiteSpace的介绍、重要调整参数及其重要术语
被引次数在我们进行文献分析的时候，被引次数不仅仅指的是每个文献的被引次数，它还指研究作者的被引次数，CiteSpace的一个原理性的解释，是把每个文献或者说每个作者当做是一个节点来看待，它每个节点之间的关联和它每个节点特征，主要的一个参数就是citation，它的被引次数。它这个数值的作用是什么？我
基于Neo4j的网络安全知识图谱构建分析
摘要：网络上大量安全情报知识以多源、异构、碎片化的形式存在，为使这些信息表达成安全人员能够有效管理、理解、组织的形式，构建了基于Neo4j的网络安全知识图谱。首先，设计了网络安全本体模型；其次，将权威知识库作为数据源，利用Scrapy爬虫框架采集网络安全数据并进行知识抽取，深入研究知识融合技术对实体
从0到1构建一个基于知识图谱的智能问答系统
前言基于知识图谱的问答系统（Knowledge-Based Question Answering system: KBQA）在以下场景下比较有优势：对于领域类型是结构化数据场景：电商、医药、系统运维（微服务、服务器、事件）、产品支持系统等，其中作为问答系统的参考对象已经是结构化数据；问题的解答过程涉
【文心一言】什么是文心一言，如何获得内测和使用方法。
文心一言（英文名：ERNIE Bot）是百度全新一代知识增强大语言模型，文心大模型家族的新成员，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。文心一言是知识增强的大语言模型，基于飞桨深度学习平台和文心知识增强大模型，持续从海量数据和大规模知识中融合学习具备知识增强、检
如何利用DGL官方库中的rgcn链接预测代码跑自己的数据集（如何在DGL库的链接预测数据集模块定义自己的数据集类）
如何利用DGL官方库中的rgcn链接预测代码跑自己的数据集（如何在DGL库的链接预测数据集模块定义自己的数据集类）
ChatGPT集合清单！几十个AI网站甚至GPT4免费使用[⭐建议收藏⭐]
收集到的关于Chat GPT的相关网站，希望正在找这方面资源的朋友有所帮助，后面也会持续更新的。
肝一波，这个网站居然可以免费使用ChatGpt功能
chatgpt体验
知识图谱嵌入模型 (KGE) 的总结和比较
知识图谱嵌入(KGE)是一种利用监督学习来学习嵌入以及节点和边的向量表示的模型。本文将常见的KGE 模型在捕获关系类型方面的比较
知识图谱构建流程步骤详解
知识图谱构建流程概览1.知识抽取1.1 知识抽取的主要任务（1）实体识别与抽取任务：识别出待处理文本中七类（人名、机构名、地名、时间、日期、货币和百分比）命名实体。两个子任务：实体边界识别和确定实体类型。（2）关系抽取任务：关系抽取是从文本中抽取出两个或多个实体之间的语义关系。它是信息抽取研究领域的
python+neo4j构建基于知识图谱的电影知识智能问答系统
~~~~~~~~ 最近，课程设计要求做关于知识图谱的调研工作。调研过程中，在网络上发现诸多同学自行构建知识图谱的相关内容，就考虑自己自行搭建一个。经过调研和基于自己技术的考量，最终还是打算做基于知识图谱的电影知识智能问答系统(主要是数据集比较好构建)。虽然比较
（一）基于知识图谱的医疗问答系统(实例+代码理解)保姆级教程
基于知识图谱的医疗问答系统，超详细！！！
