Python语言下使用爬虫工具从求医问药网爬取、解析相应的数据内容，经处理融合后生成结构化数据文件。 以此文件可构建起以疾病为中心的医疗知识图谱，实体规模4.4万，实体关系规模30万。 医药领域知识图谱，主要包含实体约4.4万个，其中包括Check，诊断检查项目，3353；Department，医疗科目，54；Disease，疾病，8807；Drug，药品，3828；Food，食物， 4870；Producer，在售药品，17201；Symptom，疾病症状，5,998。 关系总计约30万条，主要包括属于、疾病常用药品、疾病宜吃食物、药品在售药品、疾病所需检查、疾病忌吃食物、疾病推荐药品、疾病推荐食谱、疾病症状、疾病并发疾病等。 属性包含疾病名称、 疾病简介、疾病病因、预防措施、治疗周期、治疗方式、治愈概率、疾病易感人群等

针对煤矿巷道支护专家系统知识内容有限、知识难以融合共享、无法从非结构化数据中挖掘相关知识等问题，构建了煤矿巷道支护领域知识图谱。首先通过设计领域概念、关系及属性对煤矿巷道支护领域知识建模;然后从煤矿巷道支护领域结构化、半结构化、非结构化数据源获取知识，并基于深度学习模型BI-LSTM-CRF进行实体识别;最后利用图数据库Neo4j存储煤矿巷道支护领域知识，形成煤矿巷道支护领域知识图谱。煤矿巷道支护领域知识图谱可进一步提升煤矿巷道支护设计和管理效率，为煤矿巷道支护智能化管理提供知识支持。

资源格式CAJ 相关文章项目链接： 1. 特定领域知识图谱知识融合方案（实体对齐)：优酷领域知识图谱为例 https://blog.csdn.net/sinat_39620217/article/details/128614951?spm=1001.2014.3001.5502 2. 特定领域知识图谱知识融合方案（实体对齐)：文娱知识图谱构建之人物实体对齐 https://blog.csdn.net/sinat_39620217/article/details/128673963?spm=1001.2014.3001.5502 3. 特定领域知识图谱知识融合方案（实体对齐)：商品知识图谱技术实战 https://blog.csdn.net/sinat_39620217/article/details/128674429?spm=1001.2014.3001.5502 4. 特定领域知识图谱知识融合方案（实体对齐)：基于图神经网络的商品异构实体表征探索 https://blog.csdn.net/sinat_39620217/ar 5. 特定领域知识图谱知识融合方案（实体对齐)论文合集

该项目是基于医疗领域知识图谱的问答系统。

领域知识图谱概述，包括领域图谱简介，领域知识图谱的应用及挑战，以及领域知识图谱生命周期管理。 领域知识图谱关键技术，包括领域知识图谱生命周期中各过程的相关技术、现有可用的工具，以及各过程中的最佳实践及相关组件。 领域知识图谱应用实战，以金融证券领域应用为例，演示知识图谱从知识建模、知识抽取到领域应用的全过程。

行业知识图谱概述，包括行业图谱简介，行业知识图谱的应用及挑战，以及行业知识图谱生命周期管理。 行业知识图谱关键技术，包括行业知识图谱生命周期中各过程的相关技术、现有可用的工具，以及各过程中的最佳实践及相关组件。 行业知识图谱应用实战，以金融证券行业应用为例，演示知识图谱从知识建模、知识抽取到行业应用的全过程。

Ai人工智能技术分享 知识图谱技术及应用介绍-特定领域知识图谱构建初探 共38页.pdf

人工智能-项目实践-自适应学习-自适应学习模型-应用于教育领域-知识图谱 run this demo $python train_dkt.py --dataset ../data/assistments.txt

美团知识图谱的构建介绍 中文信息学会讲习班

知识图谱，事理图谱，实体链接