前言 知识图谱的推理是知识图谱最核心的技术，有以下两个主要方向 如何表示和表述知识，进而完成推理(基于符号的推理) 通过表示学习、神经网络完成逻辑层面的推理(基于表示学习的推理) 什么是推理 通过已知的事实推理得出新的事实； 常见的推理方法 演绎： Topic-down logic，如事实是：周日我 阅读全文
逻辑结构上可以把知识图谱分为两层： 一个是模式层也叫做 schema 层或者本体层， 另一个是数据层。 模式层位于数据层之上。 数据层其实就是存储所有的三元组信息的知识库， 而模式层才是知识图谱的核心， 它是对数据层知识结构的一种提炼， 通常需要借助本体库来存储， 通过在模式层上建立一些约束和规则， 阅读全文
Falcon-Ao 是一个基于Java的自动本体匹配系统，已经成为 RDF(S) 和 OWL 所表达的 Web本体 相匹配的一种实用和流行的选择。 原理简介： https://mp.weixin.qq.com/s/NhZqwmiDhQGbDjuonwMWMw 官网链接：http://ws.nju.e 阅读全文
转 载 前言 本文是本人读斯坦福发布的七步法构建本体的的基本笔记记录，里面的内容大多为翻译内容通过本人的理解进行了记录，有部分截图直接使用原文中的截图。 斯坦福的本体构建ppt讲解构建过程和本体概念等的介绍 第一章 什么是本体 介绍 本体是对领域的显式描述*:概念、概念的属性和属性、属性和属性的约 阅读全文
Arxiv 2021: Towards a Theoretical Framework of Out-of-Distribution Generalization ICML 2021 Oral： Can Subnetwork Structure be the Key to Out-of-Distri 阅读全文
损失函数和风险函数 损失函数度量模型一次预测的好坏，风险函数度量平均意义下模型预测的好坏。 常用的损失函数有以下几种： 0-1损失函数（0-1 loss function） 平方损失函数（quadratic loss function） 绝对损失函数（absolute loss function） 阅读全文
前言： 【知识图谱】知识图谱（一）—— 综述142 赞同 · 12 评论文章 一、知识推理概念介绍 面向知识图谱的推理主要围绕关系的推理展开，即基于图谱中已有的事实或关系推断出未知的事实或关系，一般着重考察实体、关系和 图谱结构三个方面的特征信息。具体来说，知识图谱推理主要能够辅助推理出新的事实、新 阅读全文
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 阅读全文
一、知识图谱的概念 知识图谱（Knowledge graph）知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。知识图谱由节点和边组成。节点可以是实体，如一个人、一本书等，或是抽象的概念，如人工智能、知识图谱等。边可以是实体的属性，如姓名、书名或是实体之间的关系，如朋友、配偶。 阅读全文
一、基本概念 1、图挖掘 近年来，图挖掘作为，数据挖掘的重要组成部分引起了社会各界的极大关注。图挖掘（Graph Mining）是指利用图模型从海量数据中发现和提起有用知识和信息的过程。通过图挖掘所获取的知识和信息已广泛应用于各种领域，如商务管理、市场分析、生产控制、科学探索和工程设计。 2、图在不 阅读全文
一. 环境准备 neo4j python包：pip3 install neo4j 和pip3 install py2neo（这里的py2neo 是python对Neo4j的驱动库,同时这里必须是py2neo版本必须是最新版4，不然会报连接数据库的错误，老版本不兼容的问题） Java8：这里由于neo 阅读全文
DeepKE DeepKE 是一个基于深度学习的开源中文知识图谱抽取框架，支持低资源、长篇章的知识抽取工具，支持命名实体识别、关系抽取和属性抽取功能。 DeepKE为三个知识抽取功能（命名实体识别、关系抽取和属性抽取）设计了一个统一的框架 可以在不同场景下实现不同功能。比如，可以在标准全监督、低资源 阅读全文
分成属性相似度和实体相似度。其中，属性相似度可以通过编辑距离（Levenstein，Wagner and Fisher, edit distance with Afine Gaps）集合相似度（Jaccard, Dice）基于向量的相似度（Cosine，TFIDF）。实体相似度可通过聚合，聚类（Canoy+K-means此法不用指定K，可分为层次聚类，相关性聚类） 阅读全文
经由信息抽取之后的信息单元间的关系是扁平化的，缺乏层次性和逻辑性，同时存在大量冗余甚至错误的信息碎片。知识融合旨在解决如何将关于同一个实体或概念的多源描述信息融合起来，将多个知识库中的知识进行整合，形成一个知识库的过程。知识融合中常见问题有数据质量问题：命名模糊，数据输入错误，数据格式不一致，缩写问题。在这个过程中，主要关键技术包含指代消解、实体消歧、实体链接 。 阅读全文
浙公网安备 33010602011771号