知识图谱学习资料汇总

持续更新中…

知识图谱介绍

(1)知识图谱入门笔记(参考王昊奋)
知乎:https://zhuanlan.zhihu.com/c_211846834
(2)Mining Knowledge Graphs from Text
Tutorial:https://kgtutorial.github.io/aaai.html
(3)知识图谱综述
博客:https://www.zhongxiaoping.cn/2018/06/23/知识图谱综述/
(4)知乎:Knowledge Graph(知识图谱)
https://zhuanlan.zhihu.com/p/53753234

知识图谱综述

(1)paper:知识图谱研究进展 (2017), 漆桂林等人.
(2)paper:知识图谱构建技术综述 (2016), 刘峤等人.
(3)paper:知识图谱技术综述 (2016), 徐增林等人.

知识表示

知识图谱分布表示(Knowledge Graph Embedding):
(1)知乎 论文简介:https://zhuanlan.zhihu.com/p/30320631
(2)博客 论文总结:https://www.twblogs.net/a/5b7c467e2b71770a43da3375

知识推理

按照解决方法分类可分为:基于描述逻辑的推理、基于规则挖掘的推理、基于概率逻辑的推理、基于表示学习与神经网络的推理。
按照推理类型分类可分为:缺省推理、连续变化推理、空间推理、因果关系推理等等。

关系抽取

根据关系抽取方法的不同,可以将其分为:基于模板的方法(触发词的Pattern, 依存句法分析的Pattern)、基于监督学习的方法(机器学习方法)、弱监督学习的方法(远程监督、Bootstrapping)。

事件抽取

(1)知乎:聊聊“事件抽取”
https://zhuanlan.zhihu.com/p/27840591

异构信息网络

异构信息网络:Heterogeneous Information Networks
(1)paper: 2007HeteSim: A General Framework for Relevance Measure in Heterogeneous Networks.
https://arxiv.org/pdf/1309.7393.pdf
(2)paper: 2011PathSim: Meta Path-Based Top-K Similarity Search in Heterogeneous Information Networks.
(3)paper: 2016Avgsim: Relevance Measurement on Massive Data in Heterogeneous Networks.
(4)paper: 2016Meta Structure— Computing Relevance in Large Heterogeneous Information Networks.
(5)paper: 2016Semantic Proximity Search on Graphs with Metagraph-based Learning.
(6)paper: 2017Meta-Graph Based Recommendation Fusion over Heterogeneous Information Networks.
(7)paper: 2017 Meta Structures in Knowledge Graphs.
(8)博客:异构信息网络+推荐===总结
https://blog.csdn.net/u013527419/article/details/73610233

知识问答

知识问答:KBQA(Knowledge-Based Question Answering)
KBQA常用的主流方法有基于模板的方法、基于语义解析的方法、基于深度学习的方法。
(1) 知乎:https://zhuanlan.zhihu.com/kb-qa
基于模板的方法:
(2)paper: 2012Template-based Question Answering over RDF Data
https://www2012.universite-lyon.fr/proceedings/proceedings/p639.pdf

知识图谱相关的推荐系统

(1)paper: 2018Improving Sequential Recommendation with Knowledge-Enhanced Memory Networks
https://dl.acm.org/citation.cfm?id=3210017
(2)paper:2019 Explainable Reasoning over Knowledge Graphs for Recommendation
https://arxiv.org/pdf/1811.04540.pdf
博客:https://zhuanlan.zhihu.com/p/51000072,文末有源码链接
(3)github论文清单:Must-read papers on Recommender System.
https://github.com/hongleizhang/RSPapers

知识图谱构建实例

(1)知识图谱-给AI装个大脑
知乎:https://zhuanlan.zhihu.com/knowledgegraph
code:https://github.com/SimmerChan/KG-demo-for-movie
(2)从零开始构建知识图谱
知乎:https://zhuanlan.zhihu.com/c_1018901137012928512
code:https://github.com/Pelhans/Z_knowledge_graph
(3)基于知识图谱的《红楼梦》人物关系可视化及问答系统
code:https://github.com/chizhu/KGQA_HLM
(4)Knowledge Graph Demo (上市公司高管图谱)
code:https://github.com/Shuang0420/knowledge_graph_demo
(5)农业知识图谱(AgriKG):农业领域的信息检索,命名实体识别,关系抽取,智能问答,辅助决策
code:https://github.com/qq547276542/Agriculture_KnowledgeGraph
(6)证券系统的简单知识图谱
博客:https://blog.csdn.net/lt326030434/article/details/83507595
code: https://github.com/Maginaaa/SecuritiesKnowlegeGraph
(7)以疾病为中心的一定规模医药领域知识图谱
code:https://github.com/qq547276542/Agriculture_KnowledgeGraph

知识图谱相关平台

(1)中国中医科学院中医药信息研究所:中医药知识图谱
http://tcmkb.cn/kg/index.php
附有相关论文
(2)北京师范大学互联网教育智能技术及应用国家工程实验室:唐诗别苑–基于知识图谱的全唐诗语义检索与可视化平台
http://poem.studentsystem.org/index
(3)清华大学开源OpenKE: 知识表示学习平台
http://139.129.163.161//
github相关源码:https://github.com/thunlp/OpenKE
(4)OpenKG: http://openkg.cn/home
内有很多资源和数据

posted @ 2020-02-04 02:40  梦淑  阅读(704)  评论(0编辑  收藏  举报