从建立数据仓库到构建数据结构，再到加速人工智能，知识图谱在当今市场上提供了强大的竞争优势。本书对如何构建和使用知识图谱及其对创新的重要性做了详细阐述。这本书是希望自己的数据更加智能的商业领袖和数据专业人士必读之作。
2022-02-21 09:28:23
7.16MB
1
基于知识表示学习的实体对齐方法是将多个知识图谱嵌入到低维语义空间,通过计算实体向量之间的相似度实现对齐.现有方法往往关注文本信息而忽视图像信息,导致图像中实体特征信息未得到有效利用.对此,提出一种基于联合知识表示学习的多模态实体对齐方法(ITMEA).该方法联合多模态(图像、文本)数据,采用TransE与TransD相结合的知识表示学习模型,使多模态数据能够嵌入到统一低维语义空间.在低维语义空间中迭代地学习已对齐多模态实体之间的关系,从而实现多模态数据的实体对齐.实验结果表明,ITMEA在WN18-IMG数据集中能够较好地实现多模态实体对齐.
2022-02-15 16:15:34
798KB
1
KG_奇迹
基于neo4j的漫威人物知识图谱
去做：
样式
搜索功能
效果演示：
目前尚未部署到网上
涉及技术：
html，css，js
Python
烧瓶
py2neo，cytoscape.js
neo4j，CQL
描述：
数据采用的是别人整理好的漫威人物关系数据，据观察应该是复联四之前的数据
参考CSDN博客：
参考CSDN博客：
基于neo4j图数据库，用flask框架构建的一个网页
知识图谱运行步骤：
把三个csv放到neo4j根目录的导入文件夹中
在neo4j中用CQL引入csv：
加载“ names_message.csv”文件： LOAD CSV WITH HEADERS FROM 'file:///names_message.csv' AS data MERGE (:people{name:data.name, id:data.id});
加载“ relation
2022-02-15 14:32:03
15KB
1
ProtégéDesktop由斯坦福大学团队开发，支持通过完全可自定义的用户界面在单个工作空间中创建和编辑一个或多个本体。可视化工具允许交互式导航本体关系。高级的解释支持有助于追踪不一致之处。可用的重构操作包括本体合并，在本体之间移动公理，重命名多个实体等等。
原斯坦福大学的下载链接比较慢，进行了搬运，方便国内下载。
2022-02-12 13:05:00
103.74MB
1
知识图谱在人工智能应用中的重要价值日益突显。百度构建了超大规模的通用知识图谱，并在搜索、推荐、智能交互等多项产品中广泛应用。同时，随着文本、语音、视觉等智能技术的不断深入，知识图谱在复杂知识表示、多模语义理解技术与应用等方面都面临新的挑战与机遇。本文将介绍百度基于知识图谱，从文本到多模态内容的理解技术及应用的最新进展。
2022-01-29 10:43:39
10.86MB
1