2020年中国面向人工智能“新基建”的知识图谱行业白皮书

中山大学肿瘤防治中心 基于数据平台的鼻咽癌专病库建设

本资源是【Java 知识图谱】（高清、超详细），包含Java的全部基础知识点、Java高端开发知识点，Java常用开发框架（Spring、Springboot、SpringMVC、Mybatis等）以及Java web开发及相关数据库的知识点汇总，高并发、负载平衡，分布式服务、互联网常见业务及解决方案、Linux操作等等。 涵盖几乎所有Java从基础到高级开发，项目实战的知识点，适合学习、从事Java开发者学习、研究和整理。

基于知识图谱的医学诊断系统。Medical Diagnosis System Based on Knowledge Map.

JAVA服务端研发知识图谱_源码 JAVA服务端研发知识图谱_源码 JAVA服务端研发知识图谱_源码

我们总结了知识图谱的创建、丰富、质量评估、细化和发布的方法。我们将概述著名的开放知识图谱和企业知识图谱及其应用，以及它们如何使用上述技术。最后，我们总结了未来高层次的知识图谱研究方向。

分享视频教程——知识图谱实战系列(Python版)。2020年7月新课；完整版附源码+数据；章节1:知识图谱介绍及其应用领域分析 章节2:知识图谱涉及技术点分析 章节3:Neo4j数据库实战 章节4:使用python操作neo4j实例 章节5:基于知识图谱的医药问答系统实战 章节6:文本关系抽取实践 章节7:金融平台风控模型实践 章节8:医学糖尿病数据命名实体识别 章节9:基于图模型的行人重识别架构分析 章节10:基于拓扑图的行人重识别项目实战 章节11:基础补充-RNN与序列网络架构分析 章节12:算法补充-卷积神经网络原理与参数解读

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。