思维导图-知识地图-新媒体写作知识地图

用于构建知识图谱的红楼梦三元组数据集

肝病质量保证体系 基于neo4j知识图谱和规则匹配的肝病问答系统项目介绍详见：基于医疗知识图谱的问答系统源码详解和基于医疗知识图谱的问答实践中遇到的问题

hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive是十分适合数据仓库的统计分析和Windows注册表文件。 该文档是我整理的Hive的知识图谱，内容相对比较齐全，包括hive的开发知识和优化知识点。

中文简介：随着知识图谱的迅速发展，面向知识图谱的中文领域问答系统已成为目前最新最热的研究方向之一，对于提高专业领域服务智能化程度具有较高的意义和价值。本系统针对中文口语语义表达多样化、不符合语法规范以及电商领域特殊性问题，提出了一套流式的中文知识图谱自动问答系统 CEQA，能够较好的完成电商领域商品咨询以及统计推理等复杂问题，特别是有效地提升了中英文混合商品名称识别、语义链接以及复杂问句的依存分析等方面的性能。实验结果表明，该系统在电商领域问答应用中具有较高的准确率和实用价值。

基于网络百科的知识图谱构建的研究与实现 开题报告PPT

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4565199623440384。 摘要：知识图谱在医疗健康领域的构建和应用近期吸引了越来越多来自学术界及工业界的目光。医疗知识图谱的构建即可以基于指南，书籍，文献等做知识抽取，也可以基于领域专家对知识的编辑。还有重要的一类知识来源是基于真实世界数据的知识挖掘。我们这次报告的重点是基于以临床电子病历为代表的真实世界数据医疗知识图谱构建中的主要问题，挑战极其解决办法。我们将从临床电子病历的数据质量问题谈起，介绍如何通过构建医学常识知识库等方法保证知识来源的质量。接下来介绍实体识别及实体标准化在医疗文本上的技术特殊性与挑战，并以案例介绍实践中更高效的解决办法。接下来会简单介绍真实世界医疗数据挖掘在落地过程中的其它挑战及对应算法框架。最后将进行一些应用案例的分享。

Scala语言的思维导图，分理论，安装，基础，函数和API五部分，对应语言的掌握足够，另附有代码文件

Neo4j+springboot+vue+d3.js知识图谱构建和可视化

根据阮一峰前辈的《ECMAScript 6 入门教程》整理的知识图谱。Xmind格式。