知识图谱
文章平均质量分 53
StellaLiu萤窗小语
这个作者很懒,什么都没留下…
展开
-
斯坦福课程Knowledge Graphs-What is a Knowledge Graph?
斯坦福课程Knowledge Graphs-What is a Knowledge Graph?1. Introduction2. Knowledge Graph Definition3. Recent Applications of Knowledge Graphs3.1 Knowledge Graphs for organizing Knowledge over the Internet3.2 Knowledge Graphs for Data Integration in Enterprises4.原创 2021-09-02 10:07:28 · 1537 阅读 · 0 评论 -
多模态学习研究进展综述
一、引言模态是指人接受信息的特定方式。由于多媒体数据往往是多种信息的传递媒介(例如一段视频中往往会同时使得文字信息、视觉信息和听觉信息得到传播),多模态学习已逐渐发展为多媒体内容分析与理解的主要手段,国内外研究者也逐步在多模态学习领域取得了显著的研究成果。鉴于多模态学习的重要性,本文将重点介绍近年来多模态学习领域的主要研究方向、相关研究进展和未来研究趋势。二、主要研究方向及研究进展多模态学习主要包括以下几个研究方向:多模态表示学习:主要研究如何将多个模态数据所蕴含的语义信息数值化为实值向量。模态原创 2021-09-02 09:26:18 · 2519 阅读 · 0 评论 -
基于深度学习的跨模态检索方法
基于深度学习的跨模态检索方法基本思想利用深度学习的特征抽取能力,在底层提取不同模态的有效表示,在高层建立不同模态的语义关联。两个阶段首先,对不同模态学习单独的表示,然后利用高层网络最大化不同模态表示的相关性。文献Ngia[17] 等提出了基于深度网络的跨模态学习方法。该模型考虑了多模态融合学习、跨模态学习和共享表示学习,通过视频、语音识别证实了方法的有效性。考虑到跨模态数据的关联重点在不同模态的语义相关性,Srivastava[18] 等提出了深度玻尔兹曼机。该方法先对不同模态分别学习底层表示原创 2021-08-31 19:04:43 · 1492 阅读 · 0 评论 -
2021-07-09 python爬取百度百科属性框
python爬取百度百科属性框from bs4 import BeautifulSoupimport requestsimport csv #用到的写入csv文件的包#初始化一个存放待爬取关键词的列表keywordlist = []#打开文件with open('qita.txt','r',encoding = 'UTF-8') as f:#逐行读取要爬取的实体名 for keyword in f.readlines(): keyword = keyword.str原创 2021-08-31 10:58:54 · 148 阅读 · 0 评论 -
知识图谱概论
知识图谱概论前言一、知识是什么?二、使用步骤1.引入库2.读入数据总结前言 一、知识是什么?二、使用步骤1.引入库代码如下(示例):import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')import sslssl._create_default_https原创 2021-06-24 23:25:42 · 133 阅读 · 2 评论 -
知识图谱的抽取与构建(二)
知识图谱的抽取与构建(二)知识抽取——概念抽取知识抽取——事件识别与抽取知识抽取——概念抽取知识抽取——事件识别与抽取原创 2021-08-31 10:56:34 · 482 阅读 · 0 评论 -
知识图谱的抽取与构建
知识图谱的抽取与构建知识抽取——实体识别与分类HMMEM维特比CRFBiLSTM+CRF知识抽取——关系抽取与属性补全知识抽取——实体识别与分类HMMEM维特比CRFBiLSTM+CRF实体识别仍面临着标签分布不平衡,实体嵌套等问题,制约了现实应用;Ø中文的实体识别面临一些特有的问题,例如:中文没有自然分词、用字变化多、简化表达现象严重等等;Ø实体识别是语义理解和构建知识图谱的重要一环,也是进一步抽取三元组和 关系分类的前提基础。知识抽取——关原创 2021-06-26 14:51:55 · 960 阅读 · 1 评论 -
知识图谱的存储与查询
知识图谱的存储与查询基于关系型数据库的知识图谱存储基于原生图数据库的知识图谱存储原生图数据库实现原理浅析基于关系型数据库的知识图谱存储基于原生图数据库的知识图谱存储原生图数据库实现原理浅析知识图谱存储方式的选择需要综合考虑性能、动态扩展、实施成本等多方面综合因素。Ø区分原生图存储和非原生图存储:原生图存储在复杂关联查询和图计算方 面有性能优势,非原生图存储兼容已有工具集通常学习和协调成本会低。Ø区分RDF图存储和属性图存储:RDF存储一般支持推理,属性图存原创 2021-06-25 17:55:30 · 1003 阅读 · 1 评论 -
知识图谱的表示
知识图谱的表示一级目录二级目录三级目录一级目录二级目录三级目录原创 2021-06-25 14:14:18 · 1742 阅读 · 1 评论