2018年最新知识图谱实战视频与代码： 1.知识问答，知识融合 2.知识抽取与挖掘，3.知识推理，知识存储 4 语义搜索，行业知识图谱应用。

ACM Multimedia 2019已于2019年10月21日至25日在法国尼斯举行。以下整理了会议上已收录的关于图神经网络（GNN）的七篇最新论文，涉及个性化推荐、短视频推荐、多视频摘要、基于文本的行人搜索、视频关系检测、社区问答（CQA）系统等，欢迎大家下载学习。

灰色神经网络代码

认知概念图谱构建与应用，认知概念(Concept)是人类在认识过程中，从感性认识上升到理 性认识，把所感知的事物的共同本质特点抽象出来的一种表达。 认知概念不是非黑既白的，是认知场景下的符合实例本质的概率 分布。

Domain Specific Knowledge Graph Construction， 领域特定知识图构建(KGC)是一个活跃的研究领域，最近由于机器学习技术(如深度神经网络和单词嵌入)取得了令人印象深刻的进展。本书将以一种引人入胜和可访问的方式综合Web数据上的知识图结构。

本文档《OWL2 Web本体语言入门》是W3C发布的OWL 2 Web Ontology Language Primer（2009-10-27）的中文译本。源文件网址：http://nkos.lib.szu.edu.cn/OWL2/OWL2PrimerSimplifiedChinese.htm

图神经网络论文的介绍，包括多种Graph Embedding、GCN、序列方式的处理。

GGNN和GCN的几篇论文笔记，介绍常用的两种图神经网络。个人笔记。

Format of the dataset raw.kb: the raw kb data from NELL system kb_env_rl.txt: we add inverse triples of all triples in raw.kb, this file is used as the KG for reasoning entity2vec.bern/relation2vec.bern: transE embeddings to represent out RL states, can be trained using TransX implementations by thunlp tasks/: each task is a particular reasoning relation tasks/${relation}/*.vec: trained TransH Embeddings tasks/${relation}/*.vec_D: trained TransD Embeddings tasks/${relation}/*.bern: trained TransR Embedding trained tasks/${relation}/*.unif: trained TransE Embeddings tasks/${relation}/transX: triples used to train the KB embeddings tasks/${relation}/train.pairs: train triples in the PRA format tasks/${relation}/test.pairs: test triples in the PRA format tasks/${relation}/path_to_use.txt: reasoning paths found the RL agent tasks/${relation}/path_stats.txt: path frequency of randomised BFS

Thomas Kipf亲自做的，非常详细，细致，很有收获！