转自CCF，网址：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663476289865728。 摘要：利用可解释推理机制对知识图谱进行推断是一个非常重要的问题，已受到广泛关注。本报告提出一种新型的知识图谱学习框架 CognitiveGraph, 该框架建立在认知科学dual process 理 论基础上，通过协调内涵抽取模块和外延推理模块迭代构建认知图谱，并且给出了一种可解释推理路径。CognitiveGraph 框架的实现基于 BERT 和图神经网络 GNN, 能够有效的处理超大规模节点网络，已经成功应用于许多领域，包括基于推理的问答系统 ( HotpotQA ) ，表现出相对现有方法最好的性能。

UMLS参考手册，美国国立医学图书馆出版，UMLS包括超级叙词表和语义网络。

TranE是一篇Bordes等人2013年发表在NIPS上的文章提出的算法。它的提出，是为了解决多关系数据（multi-relational data）的处理问题。我们现在有很多很多的知识库数据knowledge bases (KBs)，比如Freebase、 Google Knowledge Graph 、 GeneOntology等等。 TransE的直观含义，就是TransE基于实体和关系的分布式向量表示，将每个三元组实例（head，relation，tail）中的关系relation看做从实体head到实体tail的翻译（其实我一直很纳闷为什么叫做translating，其实就是向量相加），通过不断调整h、r和t（head、relation和tail的向量），使（h + r） 尽可能与 t 相等，即 h + r = t。 以前有很多种训练三元组的方法，但是参数过多，以至于模型过于复杂难以理解（作者表达的意思就是，我们的工作效果和你们一样，但我们的简单易扩展）。（ps：作者以前也做过类似的工作，叫做Structured Embeddings，简称SE，只是将实体转为向量，关系是一个矩阵，利用矩阵的不可逆性反映关系的不可逆性。距离表达公式是1-norm）。

清华：人工智能知识图谱.pdf

使用py2neo存储将三元组存储到neo4j图形数据库中，构建知识图谱。知䇶图䉡（KQRZOHdJH GUaSK）以结构化的形式描䘠客㿲世界中概念、实体及 其关系，将互㚄㖁的信息㺘䗮成更接䘁人类䇔知世界的形式，提供了一种更好地 组织、管理和理䀓互㚄㖁海䟿信息的㜭力。知䇶图䉡给互㚄㖁䈝义搜索带来了活 力，同时也在智㜭䰞答中显示出强大威力，已经成为互㚄㖁知䇶傡动的智㜭应用 的基础䇮施。知䇶图䉡与大数据和深度学习一䎧，成为推动互㚄㖁和人工智㜭发 展的核心傡动力之一

知识图谱论文集-2020.08.14.rar

从2013~2019年的49份行业知识图谱报告

数据集WN18是WordNet的子集，包含18种关系和40k种实体。训练集中包含141,442条三元组，验证集中包含2,500条三元组，测试集中包含2,500条三元组。

电力知识图谱解决方案

百度知识图谱介绍 AI 人工智能 大规模通用知识图谱构造。百度知识图谱介绍 百度知识图谱介绍 百度知识图谱介绍 百度知识图谱介绍 百度知识图谱介绍