2020 年，中国 AIoT 产业经历了不平凡的一年。COVID-19 疫情来袭、国际环境风起云涌、“新基建”正式拉开大幕等重要事件构筑起产业发展的外部新环境。从产业内部来看，全球物联网连接数超过“人联网”连接数、规模化应用落地增加、5G 等新应用技术快速进入市场、供应链国产化进程加速等趋势推动产业站在新的十字路口上。在 AIoT 产业面对新机遇与挑战时，物联网智库连续第五年推出“中国 AIoT 产业全景图谱”，继续通过近距离观察 AIoT 产业及主要参与者，梳理产业现状，并分析、预测市场发展趋势，帮助读者把握产业发展脉络。 《2021中国AIoT产业全景图谱》依旧分为“端”、“边”、“管”、“云”、“用”、“产业服务”六大板块。整体来看，“边”板块下沉，更加贴近“端”侧。同时，因为 IoT 和 AI 的进一步融合，AI 相关内容在整个图谱中将被更充分地体现。报告将从产业全貌和上述六大板块来介绍产业现状及趋势，勾勒产业全景，并将通过优秀的案例，来展示 AIoT 产业发展成果及应用落地情况。

转自：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663454624843776。 陈华钧，浙江大学阿里巴巴知识引擎联合实验室负责人。 摘要：知识图谱表示的向量化使得我们可以实现更易于泛化的可微分推理。然而， 基于表示学习实现的知识图谱推理和链接预测丢失了传统符号计算方法的可解释性，即：模型无去对基于向量计算或神经网络训练后得出的推理结论进行解释，导致只知结果但不知为什么。在很多真实的应用场景下，黑盒模型的可解释性缺乏导致很多应用不得不放弃采用表示学习方法 。本报告尝试探讨知识图谱与表示学习的可解释性之间的关系，具体针对基于表示学习实现的知识图谱推理的可解释性问题提出一些研究思路和解决方法，并结合真实的应用场景介绍相关的一些实践。

这个项目的代码基于这个红楼梦项目的 。现在只实现了all_relation.html 所有人物关系页面的部分，代码也比较乱，之后我会慢慢整理这个项目的，试图创建一个知识图谱来教程方便大家学习。 <!--|-index.html 欢迎界面 --> <!--|-search.html 搜索人物关系页面--> <!--|-all_relation.html 所有人物关系页面--> <!--|-KGQA.html 人物关系问答页面--> <!--|-config.py 配置参数--> <!--|-create_graph.py 创建知识图谱，图数据库的建立--> <!--|-query_graph.py 知识图谱的查询--> <!--|-ltp.py 分词、词性标注、命名实体识别--> <!--|- get_*.py

数据集来自天池大赛。此数据集旨在通过糖尿病相关的教科书、研究论文来做糖尿病文献挖掘并构建糖尿病知识图谱。

知识图谱构建与实战PPT

复旦大学肖仰华的知识图谱与认知智能. pdf格式，非常清楚。

基于知识图谱的推荐系统项目完整代码 数据集在data文件夹下 数据集为txt模式，分为训练集、验证集以及测试集

知识图谱作为机器认知智能实现的基础之一，是人工智能的重要组成部分，在“抗疫”行动中赋能政府管理、公众健康、交通运输、公共安全等多个领域共同助力疫情防控和复工复产。疫情监测服务平台、疫情态势感知与辅助研判系统、密切接触者挖掘系统、医学智库、智能防疫知识问答系统、人口排查及防控系统、物资应急调度平台、远程智能诉讼服务平台、智能外呼机器人等一批知识图谱相关产品、服务及解决方案紧急上线支援“前线”，并在实践中得到检验和应用。《案例集》汇集整理了25个优秀应用案例,从需求背景、技术框架、难点挑战、成效意义、工作计划等多个方向进行了案例解读。

小白用最快的速度，学会MySQL基本使用

net面试成功必备知识点.docx