杨秀璋的专栏

该系列文章主要讲解知识图谱及Neo4j图数据库的用法，本篇文章是作者学习《Neo4j基础入门》书籍的在线笔记，同时以高校网络安全方向教师的关系图谱为例，重点介绍了图数据库查询语句的基本用法。包括知识图谱创建、实体关系建立、关系查询、好友推荐等。非常基础的文章，希望大家喜欢，尤其是研究自然语言处理和知识图谱的同学。

该系列文章主要讲解知识图谱及Neo4j图数据库的用法，本篇文章是作者学习《Neo4j基础入门》书籍的在线笔记，主要讲解Neo4j的基础知识及基本语法，希望大家喜欢。

2012年5月，谷歌公司的知识图谱（Knowledge Graph）产品被正式提出，其旨在将人、地点、物等信息作为实体，将实体间的联系作为关系，并将实体和关系以图的形式进行存储。作为语义网的最新产物，知识图谱这种新型的搜索引擎改变了传统的文本搜索结果，而随后国内公司也开发出了相应产品，例如百度公司的“知心”和搜狗公司的“知立方”等。知识图谱本质上属于一种语义网。知识图谱中的每一条数据或事实一般会采用 <实体，属性，属性值> <实体, 关系,

本系列文章主要结合Python语言实现知识图谱构建相关工程，具有一定创新性和实用性，非常希望各位博友交流讨论，相互促进成长。前面两篇文章详细讲解了哈工大Pyltp工具，包括中文分词、词性标注、实体识别、依存句法分析和语义角色标注等。但是其中文分词效果不是很理想，如“贵州财经大学”总是切分成“贵州”、“财经”和“大学”，这是因为词典中这些词的权重较高。这篇文章主要介绍最经典的自然语言处理工具之一——Jieba，包括中文分词、添加自定义词典及词性标注等内容。

本系列文章主要结合Python语言实现知识图谱构建相关工程，具有一定创新性和实用性，非常希望各位博友交流讨论，相互促进成长。第一篇文章主要介绍哈工大pytltp工具，包括安装过程、中文分词等；第二篇文章主要讲解词性标注、实体识别、依存句法分析和语义角色标注。希望基础性文章对你有所帮助，一起加油~

本系列文章主要结合Python语言实现知识图谱构建相关工程，具有一定创新性和实用性，非常希望各位博友交流讨论，相互促进成长。第一篇文章主要介绍哈工大pytltp工具，包括安装过程、中文分词、词性标注和实体识别等。基础性文章，希望对您有所帮助。

目录:一.面向知识图谱的信息抽取技术 二.常识知识在结构化知识库构建中的应用 三.浅谈逻辑规则在知识图谱表示学习中的应用 四.大规模知识图谱表示学习 五.知识图谱中推理技术及工具介绍 六.多语言知识图谱中的知识链接 七.知识图谱关键技术和在企业中的应用 由于我毕设是与知识图谱、实体消歧、实体对齐、知识集成相关的，所以去听了知识图谱相关的报告；报告中采用手写笔记，所以没有相应的PPT和原图(遗憾)，很多图是我自己画的找的，可能存在遗漏或表述不清的地方，请海涵~很多算法还在学习研究中，最后希望文

由于最近太忙，这篇文章只给出相关代码供大家学习，过一段时间会详细的写一些列Python图像处理的文章，包括各种算法原理、图像识别、图像增强、图像分类、深度学习等。本篇文章主要调用OpenCV库（cv2）进行车牌区域识别，具体步骤包括： 1.灰度转换：将彩色图片转换为灰度图像，常见的R=G=B=像素平均值。 2.高斯平滑和中值滤波：去除噪声。 3.Sobel算子：提取图像边缘...

从本系列文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前六篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络、theano实现分类神经网络、theano正规化处理，这篇文章讲解加速神经网络训练的方法，为什么有激励函数以及过拟合，均是基础性知识。主要是学习"莫烦大神" 网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。...

从本系列文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前五篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络、theano实现分类神经网络、theano正规化处理，这篇文章讲解神经网络的评价指标、特征标准化和特征选择，均是基础性知识。主要是学习"莫烦大神" 网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。基础性文章和在线笔记，希望对您有所帮助，本系列作者采用一篇基础一篇代码的形式讲解，也建议大家一步步跟着

从本系列文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前三篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络、theano实现分类神经网络，这篇文章又回到基础知识，结合莫烦大神的视频学习，讲解机器学习基础知识、神经网络基础、CNN、RNN、LSTM RNN、GAN等知识，主要是学习"莫烦大神" 网易云视频的在线笔记，后面随着...

从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前两篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络，这篇文章主要讲解机器学习的基础知识，再通过theano实现分类神经网络，主要是学习"莫烦大神" 网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。基础性文章，希望对您有所帮助，也建议大家一步步跟着学习，同时文章...

从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前一篇文章主要讲解神经网络基础概念，同时讲解Theano库的安装过程及基础用法，这篇文章主要讲解theano实现回归神经网络，主要是学习"莫烦大神" 网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。基础性文章，希望对您有所帮助，也建议大家一步步跟着学习，同时文章中存在错误或不足之处，还请海涵~"莫烦大神" ...

从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。第一篇文章主要讲解神经网络基础概念，同时讲解Theano库的安装过程及基础用法，主要结合 "莫烦大神" 的视频介绍，后面随着深入会讲解具体的项目及应用。基础性文章，希望对您有所帮助，也建议大家一步步跟着学习，同时文章中存在错误或不足之处，还请海涵~同时推荐前面作者另外三个Python系列文章。从2014年开始，作者主...

本篇文章主要介绍讲述部署阿里云服务器Django网站环境，并通过IP地址访问网页的过程。写代码过程中往往第一步需要解决的就是配置开发环境，对于新手来说，这是非常头疼的事情，而当配置好之后或者对于老手来说，我们才能去实现理想的功能。基础性文章，希望对您有所帮助，同时文章中存在错误或不足之处，还请海涵~同时推荐前面作者另外三个Python系列文章。从2014年开始，作者主要写了三个Python系列文章...

本文主要是作者学习舆情分析、情感分析、人类行为动力学分析的在线笔记，主要包括两方面内容，一是幂律特性，二是讲解时间间隔分布，三是Python绘制基于时间间隔分布的幂律特性图，四提供了另一种方法。基础性文章，希望对您有所帮助。

本文主要是作者学习舆情分析、情感分析、人类行为动力学分析的在线笔记，主要包括两方面内容，一是结合参考文献介绍人类行为动力学分析，二是讲解Python绘制幂律特性及时间间隔分布图的方法。基础性文章，希望对您有所帮助。

前面通过七篇文章基本构建了电影知识图谱，并且能显示选中节点相关联的边及属性，本文主要采用HTML和D3绘制时间轴线及显示实体名称。为了加深自己对知识图谱构建的认识，为后续创建贵州旅游知识图谱打下基础，作者深入学习了张宏伦老师的网易云课程，并结合自己的理解和技术分享了该系列专栏，从数据采集、数据展示、数据分析到知识图谱构建，文章后续还会讲解中文数据的实体识别、关系抽取、知识计算等。

前面作者讲解了很多知识图谱原理知识，包括知识图谱相关技术、Neo4j绘制关系图谱等，但仍缺少一个系统全面的实例。为了加深自己对知识图谱构建的认识，为后续创建贵州旅游知识图谱打下基础，作者深入学习了张宏伦老师的网易云课程，并结合自己的理解和技术分享了该系列专栏，从数据采集、数据展示、数据分析到知识图谱构建，文章后续还会讲解中文数据的实体识别、关系抽取、知识计算等。前面通过六篇文章基本构建了电影知识图谱，并且能显示选中节点相关联的边及属性。

前文介绍了Python3抓取电影实体知识，Seaborn可视化展示电影信息，D3可视化布局，关系图谱基本构建。本篇文章将实现点击节点显示其相关的属性及属性值，通常在知识图谱中称之为消息盒（InfoBox）展示。 该专栏结合自己的理解和技术分享了该系列专栏，从数据采集、数据展示、数据分析到知识图谱构建，文章后续还会讲解中文数据的实体识别、关系抽取、知识计算等。

前文介绍了Python3抓取电影实体知识，Seaborn可视化展示电影信息，D3可视化布局，关系图谱基本构建。本篇文章将实现如下图所示的功能，主要包括：1.建立两种模式，点击“节点”显示所有圆，点击“文字”显示实体名称 2.添加鼠标响应事件，选中某一个节点显示其相关的节点及边 3.鼠标放开恢复所有节点

前面作者讲解了很多知识图谱原理知识，包括知识图谱相关技术、Neo4j绘制关系图谱等，但仍缺少一个系统全面的实例。为了加深自己对知识图谱构建的认识，为后续创建贵州旅游知识图谱打下基础，作者深入学习了张宏伦老师的网易云课程，并结合自己的理解和技术分享了该系列专栏。前文介绍了Python3抓取电影实体知识，Seaborn可视化展示电影信息，D3可视化布局。本文着重构建知识图谱，通过D3显示已获取的节点和关系图谱。

前文介绍了Python3抓取电影实体知识，Seaborn可视化展示电影信息，本文着重构建知识图谱的布局，包括三部分内容：一是Python提取节点和关联两类数据，二是HTML和CSS进行网页布局，三是调用D3显示提取的JSON数据。 这是一系列基础性文章，希望对您有所帮助 ，尤其是对知识图谱感兴趣和编程刚入门的同学。同时也因为最近准备博士考试，做题做吐了，写点新东西调节下心情，与君共勉，一起加油。

前文介绍了Python3抓取电影实体知识，这篇文章主要讲解Python+Seaborn可视化展示电影信息，它首先需要通过文件读取获取JSON所需数据，再绘制相关图形。这是一系列基础性文章，希望对您有所帮助 ，尤其是对知识图谱感兴趣和编程刚入门的同学。同时也因为最近准备博士考试，做题做吐了，写点新东西调节下心情，与君共勉，一起加油。为了加深自己对知识图谱构建的认识，为后续创建贵州旅游知识图谱打下基础，作者深入学习了张宏伦老师的网易云课程，写下该专栏。

前面作者讲解了很多知识图谱相关的原理知识，包括知识图谱相关技术、Neo4j绘制关系图谱等，但还是缺少一个系统全面的实例。为了加深自己对知识图谱构建的认识，为后续创建贵州旅游知识图谱打下基础，作者学习了张宏伦老师的网易云课程，强烈推荐大家去学习，并结合自己的理解和技术分享了该系列专栏，从数据采集、数据分析到知识图谱构建，文章后续会讲解中文数据的实体识别、关系抽

本文主要讲解Gephi绘制作者间的关系图谱，该软件可以广泛应用于社交网络、知识图谱分析，推荐读者使用。这是非常基础的一篇文章，重点讲解Gephi使用方法，希望对大家有所帮助。

作者最近研究人物关系图谱，准备发表相关的文章，原本是用Python Networkx库绘制，但效果不太理想；故改为Gephi软件，发现其非常好看，特分享几篇文章供大家交流学习，希望对您有所帮助，尤其是引文分析、社交网络、主题分布等方向的同学。后续的文章将尽可能的使用Markdown语法撰写了。 参考文章：【python数据挖掘课程】十七.社交网络Networkx库分析人物关系（初识篇） ...

该系列文章主要讲解知识图谱或关系图谱的构建方法，前文介绍了Neo4j图数据库和Jieba、PyLTP的基本用法。本篇文章主要采用Python和Gephi构建中国知网某个领域的作者合作关系和主题词共现的知识图谱，重点阐述了一种可操作的关系图谱构建方法，可用于论文发表、课程或企业可视化展示等。其基本步骤如下：1.在中国知网搜索“清水江”关键词，并导出论文Excel格式。2.使用Python处理文本，获取作者合作的共现矩阵及三元组。3.Gephi导入CSV节点及边文件，并构建关系图谱。