Knowledge graph, Freebase, Wikidata三大知识图谱

最新推荐文章于 2024-03-12 10:46:40 发布

Jean_Wu

最新推荐文章于 2024-03-12 10:46:40 发布

阅读量1.8k

点赞数 1

文章标签：知识图谱

本文链接：https://blog.csdn.net/Jean001100/article/details/119191096

版权

本文介绍了知识图谱的基本概念，重点解析了Google的Knowledge Graph、已被Google收购并数据迁移至Wikidata的Freebase，以及开源知识库Wikidata。通过查询API，展示了如何获取和使用这些知识图谱中的实体信息，强调了它们在搜索和信息检索中的作用及优缺点。

摘要由CSDN通过智能技术生成

知识图谱本质上是一种语义网络，其节点代表实体或者概念，边代表实体/概念之间的各种语义关系。

Knowledge Graph：用于搜索实体信息

1. 搜索步骤：KG提供了查询api，官方文档见API Reference。

细节过程描述：

1> 查询api的网址：

https://kgsearch.googleapis.com/v1/entities:search?query=taylor+swift&key=API_KEY&limit=1&indent=True

其中API_KEY是需要生成出来的，具体步骤见API_keys（先创建Google Account，再创建

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Jean_Wu

关注关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
Knowledge graph, Freebase, Wikidata三大知识图谱

知识图谱本质上是一种语义网络，其节点代表实体或者概念，边代表实体/概念之间的各种语义关系。Knowledge Graph：
复制链接

扫一扫

典型知识图谱项目：FreeBase、WikiData、Schema.org、DBPedia、YAGO、WordNet、ConceptNet、BabelNet、Palantir

u013250861的博客

03-20

1402

典型知识图谱项目：FreeBase、WikiData、Schema.org、DBPedia、YAGO、WordNet、ConceptNet、BabelNet

数据集-知识图谱：FreeBase（通用知识图谱）【英文】

u013250861的博客

05-06

8062

Freebase 作为典型的知识图谱，其采用结构化的数据形式（Wikipedia并不是）。该项目由 MetaWeb 公司在2005年启动，Google于2010年收购了该公司，并将 Freebase 作为Google知识图谱的核心部分。2016年8月，Google停止了对 Freebase 的维护，并将其整体迁移合并到 WikiData 项目中[1]。基于知识图谱的问答系统(Knowledge-based Question Answering，KBQA)，这个领域的论文大多是基于 Freebase 的。

参与评论您还未登录，请先登录后发表或查看评论

三种知识图谱

^-^

01-13

4万+

三种实体搜索工具Knowledge Graph , Freebase , Wikidata 是目前最常见的三种实体(entity)搜索工具。这里对其进行简单介绍并作一些对比。 Knowledge GraphKnowledge Graph 是Google的一个知识库，其使用语义检索从多种来源收集信息，以提高Google搜索的质量。Knowledge Graph 2012年加入Google搜索，20

常见的知识图谱（Wikidata、YAGO、ConceptNet、DBpedia）

qq_43391414的博客

12-11

7942

文章目录前言WikidataYAGOConceptNetDBpedia 前言今天介绍的一些知识图谱大多都是半自动构造的，并不一直都是人来添加的，另外，说他们是知识图谱或许都不太恰当，他们更像是一个项目，是一条龙服务，不但存储了很多知识，还支持着非常复杂的查询，甚至支持问答系统，而这你直接百度有可能搜索不到结果，因为搜索引擎做的是匹配工作，而问答系统会推理。下面就开始介绍一些常见的大型知识图谱。 Wikidata https://www.wikidata.org/wiki/Wikidata:Main_Pa

Wikidata知识图谱介绍与数据处理

weixin_40338859的博客

09-30

1万+

1. Wikidata简介 Wikidata（维基数据）是一个自由开放的知识库，可以同时被人和机器阅读、编辑[1]。根据官网介绍，Wikidata作为一种结构化数据的集中存储，为其他维基媒体（Wikimedia）项目[2]提供支撑，包括Wikipedia（维基百科）、Wikivoyage（维基导游）、Wiktionary（维基字典）、Wikisource（维基文库）等。就像维基百科一样，Wikidata 支持自由协作编辑，支持多语言。与维基百科不同的是，Wikidata作为知识库，其内容都是结构化

知识图谱 Freebase 的基本概念

Norstc的博客

08-31

4289

本文简单介绍使用 Freebase 需要了解的基本术语和概念。注意，Freebase 是已经被废弃的知识库，但是目前的科研工作大部分基于此知识库。一、图 Graph Freebase 的数据被存储在一个叫做图的数据结构中。一个图由边连接的结点组成。在 Freebase 中，结点使用 /type/object 定义，边使用 /type/link 定义。通过以图的形式存储数据，Freebase 可以快速遍历主题（topic）之间的任意连接，并轻松添加新的模式（schema），而无需改变数据的结构。

Googel knowledge graph API

weixin_41186525的博客

04-15

960

Googel knowledge graph APIFreebasegoogle knowledge graphSample requestPythongoogle knowledge graph api的局限：Wikidata如何访问Wikidata的数据Linked Data interfaceSPARQL endpoints Freebase 本想用freebase的API，结果打开发现go...

知识图谱(Knowledge Graph)之综述理解

热门推荐

秋水顽石

03-08

7万+

注：该博文是我在看了数篇知识图谱综述以及阅读了相关资料后的一个总结以及自己的相关理解。 知识图谱技术是人工智能技术的重要组成部分，以结构化的方式描述客观世界中的概念、实体及其键的关系。知识图谱提技术提供了一种更好的组织、管理和理解互联网海量信息的能力，将互联网的信息表达成更接近于人类认知世界的形式。因此，建立一个具有语义处理能力与开放互联能力的知识库，可以在智能搜索、智能问答、个性化推荐等智能...

知识图谱（Knowledge Graph, KG）（王昊奋老师-课程学习笔记）

sinat_29485667的博客

07-22

2万+

知识图谱的概念 知识图谱得益于Web的发展（更多的是数据层面），有着来源于KR、NLP、Web、AI多个方面的基因。 知识图谱是2012年后的提法，基础还是语义网和本体论。 知识图谱由文本(Texts、Documents)的链接到对象(Objects)的链接。 知识图谱的作用：辅助搜索、辅助问答、辅助决策、提供常识推理 知识图谱的本质包含：一、知识的表示 ...

freebase的实体映射对应 wikidata实体数据集

07-20

https://github.com/Samsung/KnowledgeSharingPlatform

Mapping of Freebase entities to Wikidata entities 数据集

06-09

Mapping of Freebase entities to Wikidata entities 数据集

freebase的entity id到真实数据的映射数据集

06-09

freebase的实体id到真实实体的映射数据集

freebase的entity id到真实数据的映射

04-05

freebase的entity id到真实数据的映射 /m/ 0gw0 Anarchism /m/ 0gwj Aut ism /m/0gx0 Albedo /m/0gxj Abu Dhabi /m/0gy0 A /m/0gyh Alabama /m/0gy_ Achilles /m/ 0gzh Abraham L incoln /m/0gz_ Aristotle /m/0g_ h An American in Paris /m/0g_ _W Academy Awa rd /m/0h0c Animalia ( book) /m/ 0h0q International Atomic Time /m/0h16 Alt ruism . /m/0h1p Ang Lee /m/0h25 Ayn Rand . /m/0h2p Alain Connes /m/0h34 Allan Dwan /m/0h3y Algeria /m/0h53 Atlas Shrugged /m/ 0h5k Anthropology /m/0h61 Archaeo logy /m/ 0h6k Agricultural science /m/0h70 Alchemy /m/0h7j Automatic dependent surveillancel /m/0h7x Austria /m/ 0h8d Ame rican Samoa /m/ 0h9c Ast ronome r /m/0h9v Amoeboid /m/ 0hb8 ASCII /m/0hcr Animation /m/0hd7 Apollo /m/0hdr . Andre Agassi

知识图谱-数据集

Crazy的博客

02-28

1万+

简单介绍知识图谱中常见的数据集，包括DBpedia、Yago、Freebase、Wordnet以及一个医疗领域数据集PDD。还有，国内推出的以中文为主的知识图谱，如清华大学的XLore、上海交通大学的zhishi.me和复旦大学的CNpedia。

Wikidata知识库

kunduan5343的博客

07-13

5611

之前大部分知识库问答工作的知识库使用的是Freebase，但是Freebase已经停止更新，大部分dump迁移到Wikidata知识库上。 #Items 为了支持维基百科上所有可用的知识，我们首先需要一种存储这些知识表示形式的方法。这些知识的表示形式称为items。 #Item Pages 每个条目都有自己的页面(收集关于它的所有数据)和惟一标识符。这个标识符看起来总是类似于Qxx。虽然这个标识符...

知识图谱构建（概念，工具，实例调研）

AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。

10-24

5万+

知识图谱（Knowledge graph）知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。知识图谱由节点和边组成。节点可以是实体，如一个人、一本书等，或是抽象的概念，如人工智能、知识图谱等。边可以是实体的属性，如姓名、书名或是实体之间的关系，如朋友、配偶。知识图谱的早期理念来自Semantic Web（语义网络），其最初理想是把基于文本链接的万维网落转化为基于实体链接的语义网络。

知识图谱技术综述

最新发布

sinat_41942180的博客

03-12

747

作者简介：徐增林(1980−，男，博士，教授，主要从事机器学习及其在社会网络分析、互联网、计算生物学、信息安全等方面的研究【摘要知识图谱技术是人工智能技术的重要组成部分，其建立的具有语义处理能力与开放互联能力的知识库，可在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。该文在全面阐述知识图谱定义、架构的基础上，综述知识图谱中的知识抽取、知识表示、知识融合、知识推理四大核心技术的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。关键词。

初探Freebase和Wikidata的转换

Talk Is Cheap

07-19

3051

实体对应关系数据在这http://storage.googleapis.com/freebase-public/fb2w.nt.gz 或者http://download.csdn.net/detail/guotong1988/9865825如何用python读Wikidata的bz2文件？https://dumps.wikimedia.org/wikidatawiki/entities/ 参考h

常识性知识图谱(knowledge graph)

09-17

常识性知识图谱是一种以图谱结构来组织和表示常识性知识的技术。它以实体、属性和关系为基本元素，将各种类型的常识性知识以节点和边的形式连接起来，形成一个丰富的知识网络。在常识性知识图谱中，实体代表现实世界中的事物，如人物、地点、组织、概念等。属性表示实体的性质或特征，如人物的出生日期、地点的经纬度等。而关系则描述实体之间的关联或联系，如人物之间的亲属关系、地点之间的距离关系等。常识性知识图谱的建立主要依靠自然语言处理、信息抽取和知识表示等技术。首先，通过自然语言处理技术，从多种文本资源中抽取出实体、属性和关系的信息。然后，利用信息抽取技术将这些信息结构化，并按照图谱的形式进行组织。最后，通过知识表示技术，将这些结构化的知识表示为计算机可理解的形式，以便机器能够基于知识图谱进行推理和理解。常识性知识图谱具有广泛的应用前景。它可以用于智能问答系统，提供准确、全面的答案；用于智能推荐系统，根据用户的兴趣和需求，为其推荐个性化的内容；用于智能机器人，帮助机器人具备理解和推理能力，提供更智能的服务等等。然而，常识性知识图谱的构建面临一些挑战，如知识获取的可靠性和准确性，知识表示的一致性和丰富性等。未来，通过不断改进知识抽取、知识推理等技术，常识性知识图谱有望更好地支持人工智能系统的发展，为人们提供更智能、更高效的服务。