PGM解释器 为GNN预测生成PGM解释。 文件夹PGM_Node包含用于节点分类任务的实验代码。 文件夹PGM_Graph包含用于图形分类任务的实验代码。

以下附上一份简单《图神经网络》的教程，共计28页ppt。其主要包括图卷积网络（Graph Convolutional Networks）、图采样方法（Graph Sampling Methods）与基于PyTorch的实现与应用（Application and PyTorch Implementation）三个核心部分。欢迎感兴趣的朋友下载学习。

STM8源程序---100Kg_STM8HX711_STM32HX711_stm_STM32F103_stm32电子秤_源码.zip

从知识图谱（KG）到事理图谱（EEG），这个report可视为从EEG概念化的开山之作，非常具有研究价值。感谢哈工大教授在这个领域上的开凿工作。

周杰伦 总共有的内部内容本身并不全面，但是麻雀虽小，五脏俱全，该项目对多种类型的问题形式都能得到正确的相应结果。以“晴天”为例，本系统适当能够回答晴天的歌词是什么，晴天是哪首专辑的歌曲，该专辑是哪一年发行的，该专辑对应的歌手是谁，该歌手的的基本信息是什么。关于项目的更多细节在知乎中有更详细的介绍，知乎网址： : 首先，本系统运行在python3环境下，并需要安装jieba，rerfo等python库，安装方式比较简单，我这里使用pip作为python的包管理工具，直接在cmd中运行pip3 install jieba即可完成安装。本系统在apache-jena-fuseki服务器上，在cmd窗口中输入apache-jena-fuseki文件输入命令。/fuseki-server.bat或在文件夹下双击fuseki-server.bat文件，cmd窗口出现“服务器信息开始于端口3030的

有关实体及其关系的真实世界事实的知识库是各种自然语言处理任务的有用资源。然而，由于知识库通常是不完整的，因此能够执行知识库补全或链接预测是很有用的。本文全面概述了用于知识库完成的实体和关系的嵌入模型，总结了标准基准数据集上最新的实验结果。

GNN算法 图神经网络相关算法重构及实现教程。 受到pytorch_geometric启发，我们开发了基于Tensorflow的GNN库： ，其中集成了高效且对科研工作者友好的GNN模型。GNN-algorighms则是基于tf_geometric对近几年如火如荼的图神经模型进行此类以及以及手把手教大家实现GNN模型的教程。 目录 本人才疏学浅，如教程有任何不妥当或错误之处，欢迎扫描下方的二维码加群或者开问题讨论。同时本群也欢迎志同道合之士加群共同探讨图神经网络。AI恒久远，GNN永流传。（由于GNN-algorithms交流群人数已经超过200人，只能通过邀请进群，有意者请扫码加我微信，邀你进群）

知识图谱任务规划，包括知识图谱学习知识地图，学习路线

Cora数据集，可以通过Planetoid进行加载

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