数据集的标注者都具有医学背景。依托于该数据集，包括医生、科研人员、企业开发者就能开展用于临床诊断的知识库，知识图谱，辅助诊断等产品开发，进一步探索研究糖尿病的奥秘。

基于知识图谱的医疗知识搜索研究：互联网信息的爆发式增长，既为用户带来了丰富的信息知识，也为用户从中 筛选所需知识造成了困难。传统的搜索引擎基于对互联网数据的全文索引，通过 关键词匹配索引的方式为用户返回相关信息的链接，而不是直接明确的知识点， 用户仍需从返回的大量冗余链接中查找并提炼自己所需的知识。如何从海量的、 结构多样化的信息中有针对的为用户返回精确信息，已成为当前知识搜索的研究 热点

王昊奋老师知识图谱实战课程中，知识融合技术精讲，包括实战指导等

3.2 实例匹配 3.2.1 基于人机协作的实例匹配 众包和主动学习等人机协作方法是目前实例匹配的研究热点。这些方法雇佣 普通用户，通过付出较小的人工代价来获得丰富的先验数据，从而提高匹配模型 的性能。 Hike [Zhuang et al., 2017] 是一个解决大规模知识库间实例匹配的众包方法， 其框架流程如图 3 所示。该方法为实例对之间定义偏序关系，根据构建的偏序结 构和已知问题答案可以推断未知问题答案。之后基于假设定义实例对和问题集的 推断期望，根据推断期望选出最佳问题分发给众包参与者。 与通过众包直接解决大规模实例匹配不同，链接发现工具 Silk [Isele & Bizer, 2013]和 LIMES [Ngonga Ngomo & Lyko, 2012]均通过结合主动学习和遗传算法来 生成链接规约（link specification）。链接规约由以下两种操作组合得到：求值操 作和相似度操作。求值操作根据输入的实例输出一组值，例如取出一组特定属性 或者对特定属性、数据做小写、分词等变换处理；相似度操作则是针对输入的一 对实例求得或者聚合相似度。Silk 和 LIMES 将学习到的链接规约组织成树的结 构。在向用户提问的策略上，LIMES 选择能够最大化投票熵的候选，而 Silk 则

上述资源来源于https://hub.baai.ac.cn/view/4155，包括CCKS 2020全国知识图谱与语义计算大会 | 回放视频目录（含PPT）。欢迎KGer下载、消化、学习。

知识图谱CCKS2018论文集

大脑一生面临的挑战重重，从出生到成熟，从衰老到死亡，外界环境时常波动，身体结构也一直在变化。为了适应生存，神经连接也在不断改变，比如在生殖期开始有新的连接形成，在学习过程中的神经连接随着外界反馈会不断自我修正，而与躯体运动相关的连接则一直保持强有力的输出等等。这些变化现象背后的规律如何？要回答这个问题，需要系统地观察全脑所有神经元的发育轨迹，才能透过现象看本质。

20210821-中泰证券-实体经济政策图谱2021年第6期：保供初步奏效.pdf

2020年中国知识图谱行业研究报告：2019年是知识图谱相关技术飞速发展的一年，世界顶级NLP大会ACL一次性收录了超30篇高质量知识图谱类论文，其中对于关系向量和图神经网络的论述将对知识图谱中关系补全、推理决策和认知计算带来长足发展。在国内建设应用方面，工信部发文明确指出，2020年将围绕工业大数据融合应用、民生大数据创新应用、大数据关键技术先导应用、大数据管理能力提升4大类7个细分方向着重发展，而知识图谱作为集大数据和人工智能与一身的综合技术，也将成为重点关注领域。

人工智能本质是解决生产力升级的问题，人类生产力可以归类为知识生产力和劳动生产力，人工智能走入产业后，可以分为感知智能、认知智能和行为智能，后两者更与生产力相对应，NLP和知识图谱是发展认知智能的基础。