注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. TransE系列源码

  2. 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

  3. 所属分类：机器学习

    • 发布日期：2017-12-29
    • 文件大小：9mb
    • 提供者：yqyzlh

  1. 基于自然语言理解的SPARQL本体查询

  2. 为了用户能够方便地获取本体知识，提出了基予自然语言理解的SPARQL本体查询。利用StanfordParser·分析用戸的自然语言查询，根据语法构建查询三元组，与关键词的方法相比，有效地减少了组合的个数。结舍 用户词典，能较准确地把查询三j乙组的词汇映射到本体实体。分值计算时除了考虑词语的形式相似和语义相似外， 还考虑了概念的模糊性，尽量返回具体的概念。利用本奉推理获取隐藏在本体中的信息，对查询进行过滤和限制，提 高了；隹确卒。用户通过图形交互界面和系娩进行交互，选择需要的结泉，最后返回树形查

  3. 所属分类：机器学习

  1. 知识图谱：知识图谱及RDF介绍

  2. 介绍知识图谱是什么，RDF简单的介绍：rdf资源描述框架，三元组，基于RDF的推理

  3. 所属分类：搜索引擎

    • 发布日期：2018-09-27
    • 文件大小：3mb
    • 提供者：banglong7970

  1. 知识工程与知识管理

  2. 知识工程是利用人工智能、计算智能和商务智能技术来建造高性能的知识系统，是智能技术中的最实用的部分。智能技术重在原理，知识工程重在实践，二者相辅相成。人工智能的特点是符号推理，专家系统是典型代表。计算智能的特点是对仿生物的数学模型进行计算推理，神经网络是典型代表。商务智能的特点是从数据中获取知识，应对商务活动中随机出现的问题，基于数据仓库的决策支持系统是典型代表。

  3. 所属分类：机器学习

    • 发布日期：2018-10-10
    • 文件大小：3mb
    • 提供者：tian_yan_jing

  1. 基于知识图谱的问答系统

  2. 细致介绍了一种基于知识图谱的问答系统，构建了一个推理模型，在建模问题回答过程中是十分有效的。

  3. 所属分类：深度学习

    • 发布日期：2018-11-09
    • 文件大小：1mb
    • 提供者：qq_35751500

  1. 中国中文信息学会发布《2018知识图谱发展报告》

  2. 中国中文信息学会发布《2018知识图谱发展报告》报告目录如下（文末附下载链接） 第一章 知识表示与建模 第二章 知识表示学习 第三章 实体识别与链接 第四章 实体关系学习 第五章 事件知识学习 第六章 知识存储与查询 第七章 知识推理 第八章 通用和领域知识图谱 第九章 语义集成 第十章 语义搜索 第十一章 基于知识的问答

  3. 所属分类：深度学习

    • 发布日期：2018-09-08
    • 文件大小：4mb
    • 提供者：wen_fei

  1. ICLR 2020 # 知识图谱推理框架：基于向量空间的推理和数值逻辑推理

  2. 本文解读了两篇不同框架的论文：一篇是基于知识图谱的向量嵌入技术，完全基于向量操作进行推理演算；另一篇是基于 Neural Logic Programming 框架，并进一步解决了数值推理的问题。

  3. 所属分类：机器学习

    • 发布日期：2020-05-07
    • 文件大小：744kb
    • 提供者：syp_net

  1. 基于大数据的牛顿(Knewton)平台自适应学习机制

  2. 文章概述了Knewton平台的内部结构和学习机制。将平台分成数据组件、推理组件和个性化推荐组件。涉及的数据模型包括：知识图谱、学生事件、目标档案和输出结果。

  3. 所属分类：教育

    • 发布日期：2020-04-21
    • 文件大小：1mb
    • 提供者：maerdym

  1. CCF-唐杰-认知图谱Cognitive Graph 理解、认知与推理-2019-10-19.pdf

  2. 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

  3. 所属分类：机器学习

  1. 知识图谱东南大学（第二部分）.rar

  2. 该资源是东南大学知识图谱精品课程的PPT第二部分。东南大学知识图谱精品课程共分14章，系统地讲解了知识图谱相关的知识，涉及知识表示、知识建模、知识抽取基础（数据采、实体识别、关系抽取、事件抽取）、 知识融合、 知识图谱表示学习、知识存储、基于知识的智能问答、实体链接、知识推理等所有知识图谱相关的知识点。

  3. 所属分类：专业指导

    • 发布日期：2020-02-04
    • 文件大小：186mb
    • 提供者：weixin_46260737

  1. 知识图谱东南大学（第一部分）.rar

  2. 该资源是东南大学知识图谱精品课程的PPT第一部分。东南大学知识图谱精品课程共分14章，系统地讲解了知识图谱相关的知识，涉及知识表示、知识建模、知识抽取基础（数据采、实体识别、关系抽取、事件抽取）、 知识融合、 知识图谱表示学习、知识存储、基于知识的智能问答、实体链接、知识推理等所有知识图谱相关的知识点。

  3. 所属分类：专业指导

    • 发布日期：2020-02-04
    • 文件大小：209mb
    • 提供者：weixin_46260737

  1. CNCC2019-陈华钧-可解释的知识图谱推理及应用.pdf

  2. 转自：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663454624843776。 陈华钧，浙江大学*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

  3. 所属分类：机器学习

  1. 基于知识图谱的保险领域对话系统构建

  2. 在当前人工智能技术发展的热潮中，对话系统已经越来越实用化。与一般的闲聊对话系统不同，特定领域的对话系统是基于知识，带有上下文推理的实用性对话系统。保险领域是典型的特定领域，介绍了一种保险相关领域对话系统的基本构建方法，可以帮助用户快速、实用地在某特定领域和场景下构建对话系统，且具有一定的推广性和拓展性。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：412kb
    • 提供者：weixin_38684806

  1. 基于知识图谱知识推理的视频推荐算法_许智宏.pdf

  2. 为充分利用显性特征和隐性特征的互补性，提出一种ＰｔｒａｎｓＥ＿ＣＦ视频推荐算法。在协同过滤中引入知识图谱推理技术，通过路径排序算法挖掘实体间多路径关系，将所有的实体关系嵌入到低维的语义空间中，在低维空间中计算任意视频间的语义相似性，将语义相似性与协同过滤的用户行为相似性结合进行推荐。实验结果表明，该方法弥补了协同过滤推荐算法对隐性信息利用不充分的缺陷，在语义层面增强了推荐的效果，在一定程度上解决了数据稀疏性问题。关键

  3. 所属分类：互联网

    • 发布日期：2020-10-23
    • 文件大小：1mb
    • 提供者：heroshine

  1. 2020-CCF-杨文志-知识图谱在共享知识上的商业应用

  2. CCF，https://dl.ccf.org.cn/lecture/lectureDetail?id=5192658592499712。摘要：基于知识管理、知识共享、知识迁移等目的，对于一种标准化的知识存储方法从WordNet、Wikipedia一直到当今的知识图谱，工作未曾停歇。在传统场景下，知识图谱的构建主要是基于专家知识半自动生成的，面向的是人类的有效知识。这类知识图谱为商务上的推荐系统、推理系统提供了许多的帮助，并且为人工智能的迁移学习等应用打下了基础。除此之外，知识图谱的概念也可能更加

  3. 所属分类：机器学习

  1. CEQA:知识图谱问答系统-源码

  2. #CEQA ## CEQA是一个新的中文-质量检查系统，基于正式网络。 中文简介：通过知识图谱的Swift发展，面向知识图谱的中文领域问答系统已成为当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。中文口语语义表达形式，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，能够更好地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。 。 英文：随着知

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：958kb
    • 提供者：weixin_42097450

  1. 学习知识图谱推理的符号逻辑规则（来自MILA-唐建）

  2. 在这次演讲中，我将介绍我们在学习知识图推理逻辑规则方面的最新进展。逻辑规则在用于预测和推广到其他任务时提供了可解释，因此是学习的关键。现有的方法要么面临在大搜索空间中搜索的问题(如神经逻辑编程)，要么由于稀疏奖励而无效优化(如基于强化学习的技术)。为了解决这些局限性，本文提出了一个称为RNNLogic的概率模型。

  3. 所属分类：机器学习

    • 发布日期：2021-02-15
    • 文件大小：2mb
    • 提供者：syp_net

  1. 基于Att＿GCN模型的知识图谱推理算法（网络首发）

  2. 基于Att＿GCN模型的知识图谱推理算法（网络首发）

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：582kb
    • 提供者：weixin_38524871

  1. 基于Pytorch和torchtext的知识图谱深度学习框架

  2. 基于Pytorch和torchtext的知识图谱深度学习框架，包含知识表示学习、实体识别与链接、实体关系抽取、事件检测与抽取、知识存储与查询、知识推理六大功能模块，已实现了命名实体识别、关系抽取、事件抽取、表示学习等功能。

  3. 所属分类：深度学习

    • 发布日期：2021-01-24
    • 文件大小：24kb
    • 提供者：bruce__ray

  1. 2020中国智慧医院行业趋势报告.pdf

  2. 政策和临床业务需求影响智慧医院数字化应用采纳度 ●智慧医院是以患者为中心、以临床需求为起点，将大数据、人工智能、云计算、物联网等技术应用于医疗场景，全方位提升医疗服务的效率和质量。 ●智慧医疗领域，政策力度较大，且满足医护人员提升临床效率和水平的需求，医院采纳度较高;智慧服务领域，受评级政策以及新冠肺炎疫情的影响，互联网医院建设的投入力度较大;智慧管理领域，评级类政策尚未颁布，且医院的需求主要以提高运营效率为主，整体数字化应用采纳度较低。 智慧医疗持续深化，向智能化迈进 ●智慧医疗领域，

  3. 所属分类：医疗

    • 发布日期：2021-03-31
    • 文件大小：5mb
    • 提供者：richer
« 12 »