本文由DataFunTalk根据肖仰华教授近期所作报告《知识图谱的下半场:机遇与挑战》整理而成,并经肖仰华教授亲自审核。
2021-05-25 17:35:49 12.71MB KG
1
用在此处 https://github.com/thunlp/OpenKE For training, datasets contain three files: train2id.txt: training file, the first line is the number of triples for training. Then the follow lines are all in the format (e1, e2, rel). entity2id.txt: all entities and corresponding ids, one per line. The first line is the number of entities. relation2id.txt: all relations and corresponding ids, one per line. The first line is the number of relations. For testing, datasets contain additional two files (totally five files): test2id.txt: testing file, the first line is the number of triples for testing. Then the follow lines are all in the format (e1, e2, rel). valid2id.txt: validating file, the first line is the number of triples for validating. Then the follow lines are all in the format (e1, e2, rel).
2021-05-20 09:51:13 3.06MB KG
1
Chatbot_CN:基于金融-司法领域(兼有闲聊性质)的聊天机器人,其中的主要模块有信息抽取,NLU,NLG,知识图谱等,并利用Django整合了前端展示,目前已经封装了nlp和kg的restful接口
1
李涓子 - 知识图谱研究综述,知识图谱;知识表示;知识获取;语义集成;知识应用
2021-05-12 21:18:17 262KB KG
1
Task 7 - Open Domain Question Answering In this year’s NLPCC open domain QA share task, we focus on KNOWLEDGE and propose three sub-tasks, including (a) knowledge-based question answering (KBQA), (b) knowledge-based question generation (KBQG), and (c) knowledge-based question understanding (KBQU). The task of KBQA is to answer natural language questions based on a given knowledge base. The task of KBQG is to generate natural language questions based on given knowledge base triples. The task of KBQU is to transform natural language questions into their corresponding logical forms. The first two sub-tasks are in Chinese, while the last sub-task is in English.
2021-05-10 14:48:05 694.91MB KG
1
知识图谱KGC是一个世界级会议,将有经验的实践者、技术领导者、前沿研究人员、学者和供应商聚集在一起,就知识图的主题进行为期两天的演讲、讨论和网络交流。KGC2021在5月3号到6号举行。来自加拿大CortAIx 首席人工智能科学家Freddy Lecue做了关于《知识图谱在可解释机器学习系统中应用》的报告,特别对可解释人工智能以及知识图谱在可解释机器学习中的作用进行了重点讲述,是非常好的学习资料。 报告摘要: 机器学习(ML),作为人工智能的关键驱动力之一,已经在许多行业显示出颠覆性的结果。在关键系统中应用ML(尤其是人工神经网络模型)最根本的问题之一,就是它无法为其决策提供依据。主要是因为常识知识或推理超出了ML系统的范围。我们展示了如何运用知识图谱来揭示更多人类可以理解的机器学习决策,并展示了一个框架,将ML和知识图谱结合起来,在识别4,233,000个资源的知识图谱中的任何一个类的对象时,展示出一个接近人的解释。
2021-05-07 17:07:23 92.86MB 知识图谱 KG 机器学习 人工智能
1
知识图谱一直是学术界和工业界关注的热点。随着AAAI2020的到来,以下整理了最新10篇关于知识图谱的论文,来自清华大学、中科大、北航、中山大学、UCL、Facebook、腾讯、阿里巴巴等,包含义原知识图谱、知识图谱表示学习、知识迁移、知识图谱层次表示、常识知识图谱补全等,请大家查看!
2021-05-02 23:47:16 9MB KG_AAAI_2020
1
Understanding Users with Knowledge--Sumsung Graphs
2021-04-25 14:11:18 10.27MB KG
1
里面包括KG系列的气象卫星解码,DSC船舶解码,FAX接收解码,ACRS飞机的定位
2021-04-23 17:14:42 33.07MB KG解码
1
当前,国内外新冠肺炎疫情形势的复杂性和严峻性依然突出,虽然国内疫情传播已基本阻断,但境外疫情警报持续拉响。为持续总结和宣传推广知识图谱领域的好经验好做法,全面支持我国常态化防控机制建设与企业有序复工复产,中国电子技术标准化研究院现正式发布《知识图谱助力疫情防控和复工复产案例集》(以下简称“《案例集》”)(第二期)。
2021-04-19 14:02:08 8.20MB 知识图谱 疫情 KG
1