CCF 学科前沿讲习班第 108 期：知识图谱融合方法，2019/11/9，北京。由南京大学胡伟老师主讲，报告首先简要介绍了语义网、知识图谱及知识图谱融合问题，然后介绍了面向知识图谱模式层的本体匹配方法，接下来介绍了面向知识图谱实例层的实体对齐方法，特别涉及近期基于表示学习的实体对齐方法，还介绍了知识融合过程中的真值推断方法，最后做了总结和展望。

武汉大学知识图谱课程ppt 知识图谱的系统讲解。比较详细。

知识图谱(Knowledge Graph)以结构化的形式描述客观世界中概念、实体及 其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地 组织、管理和理解互联网海量信息的能力。知识图谱给互联网语义搜索带来了活 力，同时也在智能问答中显示出强大威力，已经成为互联网知识驱动的智能应用 的基础设施。知识图谱与大数据和深度学习一起，成为推动互联网和人工智能发 展的核心驱动力之一。

信通院发布的白皮书，一般下载不到 知识图谱始于20世纪50年代，至今大致分为三个发展阶段：第一阶段 （1955年—1977年）是知识图谱的起源阶段，在这一阶段中引文网络分析开始成为一种研究当代科学发展脉络的常用方法；第二阶段（1977年-2012 年）是知识图谱的发展阶段，语义网得到快速发展，“知识本体”的研究 开始成为计算机科学的一个重要领域，知识图谱吸收了语义网、本体在知识组织和表达方面的理念，使得知识更易于在计算机之间和计算机与人之间交换、流通和加工；第三阶段（2012年—至今）是知识图谱繁荣阶段， 2012年谷歌提出Google Knowledge Graph，知识图谱正式得名，谷歌通过知识图谱技术改善了搜索引擎性能。在人工智能的蓬勃发展下，知识图谱涉及到的知识抽取、表示、融合、推理、问答等关键问题得到一定程度的解决和突破，知识图谱成为知识服务领域的一个新热点，受到国内外学者和工业界广泛关注

neo4j-community-3.5.12是开源的图数据库开源系统，这是截止当前最新版本，由于国内一般下载不了，特分享给需要的人

中国大数据产业生态图谱2016.pdf

#资源达人分享计划#

详细介绍了阿里巴巴电商知识图谱的细节，迈向电商智能时代的基石

chinese compound event extraction，中文复合事件抽取，包括条件事件、因果事件、顺承事件、反转事件等事件抽取，并形成事理图谱。

大规模百科知识图谱构建.pdf 大规模分类体系构建.pdf 基于知识图谱的搜索与推荐.pdf 基于知识图谱的语言认知.pdf 面向知识图谱的问答系统.pdf 知识图谱的质量控制.pdf 知识图谱的众包构建.pdf 知识图谱研究挑战与机遇.pdf 知识图谱综述.pdf 智能客服的时代已经到来.pdf yanxifeng.pdf