针对煤矿巷道支护专家系统知识内容有限、知识难以融合共享、无法从非结构化数据中挖掘相关知识等问题，构建了煤矿巷道支护领域知识图谱。首先通过设计领域概念、关系及属性对煤矿巷道支护领域知识建模;然后从煤矿巷道支护领域结构化、半结构化、非结构化数据源获取知识，并基于深度学习模型BI-LSTM-CRF进行实体识别;最后利用图数据库Neo4j存储煤矿巷道支护领域知识，形成煤矿巷道支护领域知识图谱。煤矿巷道支护领域知识图谱可进一步提升煤矿巷道支护设计和管理效率，为煤矿巷道支护智能化管理提供知识支持。

小型金融知识图谱构建流程 小型金融知识图谱构流程示范 小型金融知识图谱构流程示范 1 知识图谱存储方式 2 图数据库neo4j 2.1 下载 2.2 启动 2.2.1 打开 http://localhost:7474 2.2.2 初始账户和密码均为neo4j（host类型选择bolt） 2.2.3 输入旧密码并输入新密码 2.2.3 登录 3. 知识图谱数据准备 3.1 数据接口 3.2 数据获取 3.2.1 股票基本信息 3.2.2 股票持有股东信息 3.2.3 股票概念信息 3.2.4 股票公告信息 3.2.5 财经新闻信息 3.2.6 概念信息 3.2.7 沪股通和深股通成分信息 3.2.8 股票价格信息 3.2.9 tushare免费接口获取股票数据 3.3 数据预处理 3.3.1 统计股票的交易日量众数 3.3.2 计算股票对数收益 3.3.3 股票间对数收益率相关性 4 搭建金融知识图谱 4.1 连接 4.2 读取数据 4.3 填充和去重 4.4 创建实体 4.5 创建关系 5 数据可视化查询（以平安银行为例） 5.1 查看关联

知识图谱构建代码，python

一个完整的知识图谱构建方法及流程，其中详细说明了信息抽取的研究历史和所用算法，如：基于规则和统计学方法等。

基于深度学习的作物病虫害可视化知识图谱构建.pdf

针对知识图谱（KG）在知识驱动的人工智能研究中发挥的强大支撑作用，分析并总结了现有知识图谱和知识超图技术。首先，从知识图谱的定义与发展历程出发，介绍了知识图谱的分类和架构；其次，对现有的知识表示与存储方式进行了阐述；然后，基于知识图谱的构建流程，分析了各类知识图谱构建技术的研究现状。特别是针对知识图谱中的知识推理这一重要环节，分析了基于逻辑规则、嵌入表示和神经网络的三类典型的知识推理方法。此外，以异构超图引出知识超图的研究进展，并提出三层架构的知识超图，从而更好地表示和提取超关系特征，实现对超关系数据的建模及快速的知识推理。最后，总结了知识图谱和知识超图的典型应用场景并对未来的研究作出了展望。

复旦大学知识图谱培训ppt7：知识图谱构建的质量控制（Data Quality Issues in Constructing Knowledge Graph）

领域知识图谱概述，包括领域图谱简介，领域知识图谱的应用及挑战，以及领域知识图谱生命周期管理。 领域知识图谱关键技术，包括领域知识图谱生命周期中各过程的相关技术、现有可用的工具，以及各过程中的最佳实践及相关组件。 领域知识图谱应用实战，以金融证券领域应用为例，演示知识图谱从知识建模、知识抽取到领域应用的全过程。

行业知识图谱概述，包括行业图谱简介，行业知识图谱的应用及挑战，以及行业知识图谱生命周期管理。 行业知识图谱关键技术，包括行业知识图谱生命周期中各过程的相关技术、现有可用的工具，以及各过程中的最佳实践及相关组件。 行业知识图谱应用实战，以金融证券行业应用为例，演示知识图谱从知识建模、知识抽取到行业应用的全过程。

AI人工智能技术分享 知识图谱技术及应用介绍-大规模医疗知识图谱构建与应用 共19页.pdf