chaser&upper
西电CS研究生,CSDN专家博主&人工智能领域优质创作者,全网粉丝20w+,热爱生活,喜欢分享,欢迎您与我交流!商务合作,请私信沟通。
展开
-
手把手教你快速入门知识图谱 - Neo4J教程
手把手教你快速入门知识图谱 - Neo4J教程前言1. Neo4J简介2. Neo4J安装3. Neo4J使用4. Cypher查询语言5. Neo4J实战教程1. 首先,我们删除数据库中以往的图,确保一个空白的环境进行操作2. 接着,我们创建一个人物节点3. 我们继续来创建更多的人物节点,并分别命名4. 接下来创建地区节点5. 接下来创建关系6. 关系也可以增加属性7. 接下来增加更多的关系8. 然后,我们需要建立不同类型节点之间的关系:`人物和地点的关系`**9. 同样建立更多人的出生地10. 至此,知原创 2022-01-15 21:15:45 · 2683 阅读 · 0 评论 -
什么是知识图谱?有哪些典型应用?终于有人讲明白了
知识图谱?有哪些典型应用?01 知识图谱背景1. 什么是知识2. 什么是图谱02 知识图谱的定义03 知识图谱的典型应用1. 医疗领域2. 金融投资领域3. 政府管理和安全领域4. 电商领域5. 聊天机器人领域01 知识图谱背景在给出知识图谱的定义之前,我们先分开讨论一下什么是知识,什么是图谱。1. 什么是知识首先看一下什么是知识。有读者可能会提出这样的问题,在大数据时代,人类拥有海量的数据,这是不是代表人类可以随时随地利用无穷无尽的知识呢?答案是否定的。知识是人类在实践中认识客观世界(包括人类原创 2022-01-14 21:06:53 · 6333 阅读 · 0 评论 -
【2021/8/29】Windows下Neo4j批量导入数据(最新教程)
Windows下Neo4j批量导入数据前言Neo4j批量导入数据1. 导入方式2. neo4j-admin import导入数据2.1 处理数据2.2 导入命令2.3. 导入数据2.4. 查看数据3. .bat批处理脚本3.1 新建文件夹3.2 新建.bat脚本文件3.3 修改配置文件3.4 启动Neo4j4. 后序前言图谱的最主要的存储方式,RDF和图数据库,RDF通常用于数据发布和学术上使用,图数据库更多为大数据量下的服务使用。Neo4j作为图数据中使用最广泛的一种,安装简单,性能较好。具体安装原创 2021-08-30 13:39:34 · 2442 阅读 · 0 评论 -
【2021/8/28-最新教程】Windows 安装配置Neo4j图数据库
Windows下安装配置Neo4j图数据库1. Neo4j 简介2. 安装Java JDK2.1 下载安装 jdk2.2 配置环境变量3. 安装 Neo4j3.1 下载 Neo4j3.2 配置环境变量4. 启动 Neo4j5. Neo4j 常用命令6. Neo4j 浏览器使用教程1. Neo4j 简介图形数据库(Graph Database)是NoSQL数据库家族中特殊的存在,用于存储丰富的关系数据。Neo4j 是目前最流行的图形数据库,支持完整的事务,在属性图中,图是由顶点(Vertex),边(Ed原创 2021-08-29 11:11:07 · 1340 阅读 · 0 评论 -
基于知识图谱的农作物病虫害问答系统设计与实现
基于规则的问题分类是自问答系统诞生以来就一直存在的方式,主要代表就是众多的专家系统,构建专家系统采用的是规则分类器,优点是能够对特定领域、特征明显的问题进行高效精准问答,但是。,在问答系统中,问题以语音及文本字符等自然语言形式输入,利用问答系统的内部的逻辑处理模块,通过自然语言处理技术获得输入问句的详细语义信息,再经过知识检索、置信分析等步骤,自然语言处理中,用于文本分类任务的机器学习方式有两种,一种用传统的机器学习,如 NBC、SVM 等,另一种采用深度学习,如 CNN 和 RNN 等。原创 2023-06-15 20:42:19 · 958 阅读 · 0 评论 -
ChatGPT的崛起,知识图谱研究应该何去何从?
总的来说,ChatGPT的崛起为知识图谱的研究带来了更多的应用场景和技术挑战,同时也为知识图谱的发展提供了更广阔的可能性。结合两者的优势可以提升知识图谱的智能化和实用性,改善用户体验,并推动知识图谱在自然语言交互领域的应用和进一步研究。加油!努力!原创 2023-05-19 16:46:14 · 479 阅读 · 0 评论 -
知识图谱不仅是一项技术,更是一项工程
内容来源于:东南大学漆桂林教授的题为《知识图谱中的推理技术介绍》的报告。Link。原创 2023-05-10 11:29:21 · 127 阅读 · 0 评论 -
《基于知识图谱的问答系统》问答模块设计
需要对前端用户的问题分类,简称意图识别,本篇是采用规则模板形式,笔者在实际工程中使用的是多分类模型,后期会讲解如何去训练自己的多分类模型以及多标签分类。具体代码如下所示:针对分类后的问题,需要进行解析,使用cpyer语句去Neo4j中查询,具体代码如下所示:基于知识图谱的问答系统(Knowledge-Based Question Answering system: KBQA)在以下场景下比较有优势:KBQA简单讲就是将问题带入提前准备好的知识库寻求答案的一种基于知识库的问答系统。该问答系统可以解析输入的自原创 2023-04-26 15:08:35 · 388 阅读 · 0 评论 -
基于知识图谱的问答系统-浅析
问答系统可以按照提供答案的模式分为基于知识库的生成式问答系统和基于问答对的检索式问答系统。因为生成式问答系统在实际应用中存在着语句混乱、语法错误等问题,不能保证生成答案的质量,因此应用中大多还是检索式问答系统。自动问答系统也可以按照应用领域分为垂直领域问答系统和开放领域问答系统垂直领域问答系统的应用范围限定在特定知识领域,有针对性地回答问题,能提高回答的准确率;开放领域问答系统能回答开放性问题,但问题分析比较浅层,回答准确率不如前者。设计问题表和对应答案表组成的知识库,在问答部分先提取关键词。原创 2023-04-23 16:45:21 · 263 阅读 · 0 评论 -
基于知识图谱的《红楼梦》人物关系可视化及问答系统
flask基础web开发js动态可视化技术ltp简单的NLP功能,比如分词、实体识别、词性标注Neo4j基础语法html+css+js网页基础开发app.py是整个系统的主入口templates文件夹是HTML的页面|-index.html 欢迎界面|-search.html 搜索人物关系页面|-all_relation.html 所有人物关系页面|-KGQA.html 人物关系问答页面static文件夹存放css和js,是页面的样式和效果的文件。原创 2023-04-23 16:40:14 · 629 阅读 · 0 评论 -
基于知识图谱的玉米品种可视化及问答系统设计与实现
我将两个项目合为一个,在数据可视化的基础上加上了模仿。《基于知识图谱的玉米品种可视化及问答系统设计与实现》后面有时间了,会更新项目开发内容至博客,源码开源至。短时间内完成项目开发,源码来自。原创 2023-04-21 17:30:14 · 378 阅读 · 5 评论 -
Something went wrong: “NotFoundError: Failed to execute ‘removeChild‘ on ‘Node‘: The node to be remo
Something went wrong: "NotFoundError: Failed to execute 'removeChild' on 'Node': The node to be removed is not a child of this node." and the application can't recover.原创 2023-04-17 15:53:11 · 1292 阅读 · 2 评论 -
Python中FuzzyWuzzy/difflib的模糊字符串匹配
模糊字符串匹配是查找与给定模式大致匹配(而不是完全匹配)的字符串的过程,就像字面上一样。因此,它也被称为近似字符串匹配。通常,这些字符串匹配的模式是另一个字符串。两个字符串之间的接近程度是使用 距离(也称为编辑距离)测量的,它基本上基于将一个字符串转换为另一个字符串的精确匹配所需的基元操作的计数。匹配的接近度通常以编辑距离来衡量,编辑距离是将字符串转换为完全匹配所需的基元操作数。这些基元操作可以包括:插入(在给定位置插入新字符)删除(删除特定字符)替换(用新字符替换字符)换位(交换两个字母的位置)、许多组原创 2023-04-15 17:29:44 · 581 阅读 · 1 评论 -
Neo4j 查询节点标签 Label
Neo4j 查询节点标签 Label。原创 2023-04-13 11:55:27 · 836 阅读 · 0 评论 -
ChatGPT与知识图谱对比
知识图谱能够提供结构化的知识库,而ChatGPT则能够通过自然语言处理技术实现对知识库的自动查询和解释。总之,知识图谱和ChatGPT都是非常重要的自然语言处理技术,它们各自的优势和应用场景不同,可以根据具体应用场景选择合适的技术。知识图谱和ChatGPT都是自然语言处理领域中的重要技术,但它们的实现和应用方式存在一些差异。知识图谱是一个结构化的知识库,通过将实体和关系存储在图形数据库中,形成了一个类似于“知识地图”的系统。知识图谱和ChatGPT都是人工智能技术的应用,但是它们的应用场景和方法不同。原创 2023-03-21 17:15:50 · 6279 阅读 · 1 评论 -
【论文笔记】基于知识图谱的智能问答系统研究与设计
最初命名实体识别主要实现对文本中人名、地名、组织名的抽取,随着技术的不断改进,逐步深入到专有领域的名词识别。原创 2023-02-26 14:11:48 · 791 阅读 · 2 评论 -
【论文笔记】基于知识图谱的农业智能问答系统
知识是数据、信息、经验、常识等所组成的集合数据是一种事实、一种观察结果信息是经过收集和处理的数据,附加了上下文,能够传达一些内容知识对信息经过解读和人为经验充实知识的表示:逻辑表示法、产生式表示法、语义网络法、XML表示法和本体表示法。语义网络将知识表示成相互连接的点和边模式,用节点来表示实体,用边来表示实体之间的语义关系。本体是来源于哲学领域的词汇,是对客观世界真实的、确定的描述。本体论在知识工程领域受到了广泛的关注,在计算机理解世界和人机交互方面做出了极大贡献。本体的四大特征:概念化。原创 2023-02-23 19:12:40 · 788 阅读 · 5 评论 -
如何删除Neo4j中的残留的Property Keys
【代码】如何删除Neo4j中的残留的Property Keys。原创 2023-02-20 22:50:45 · 1213 阅读 · 0 评论 -
基于知识图谱的电影推荐问答系统实战
唯一ID、上映时间、电影名:电影名、演员列表(字典存储)、工作人员列表预算、体裁(列表)、序号、评分等。原创 2023-02-16 19:17:18 · 497 阅读 · 0 评论 -
No module named ‘neo4j.addressing’ & ModuleNotFoundError: No module named ‘pytz‘
知识图谱neo4j安装报错,可能是neo4j驱动新版本的问题。原创 2023-02-16 17:31:16 · 509 阅读 · 0 评论 -
Neo4j Cypher 语言学习
Neo4j Cyphe命令始终创建新的节点或关系,这意味着即使您使用相同的值,它也会插入一个新行。根据我们对某些节点或关系的应用需求,我们必须避免这种重复。我们应该使用一些数据库约束来创建节点或关系的一个或多个属性的规则。在Cypher中,可以将一个查询的输出链接到另一个查询中,从而创建功能强大的图形结构,with的每一个结果,必须使用别名标识。命令,以从NODE或Relationship的属性中删除现有的Unique约束。:删除节点和关联关系,与MATCH命令一起使用。属性上的索引,以提高应用程序的性能。原创 2023-02-16 15:28:44 · 248 阅读 · 0 评论 -
【花卉】知识图谱KG构建-Neo4j数据库导入篇(二)
【代码】【花卉】知识图谱KG构建-Neo4j数据库导入篇(二)【代码】【花卉】知识图谱KG构建-Neo4j数据库导入篇(二)【代码】【花卉】知识图谱KG构建-Neo4j数据库导入篇(二)【代码】【花卉】知识图谱KG构建-Neo4j数据库导入篇(二)原创 2023-02-12 13:23:55 · 382 阅读 · 1 评论 -
【花卉】知识图谱KG构建-爬虫数据采集篇(一)
花卉知识图谱KG构建-爬虫数据采集篇(一)原创 2023-02-12 12:33:21 · 1018 阅读 · 0 评论 -
Neo4j 设置节点或者边的显示,包括颜色、属性、大小
Neo4j 设置节点或者边的显示,包括颜色、属性、大小,Reference:Link加油!感谢!努力!原创 2023-02-12 11:29:57 · 2387 阅读 · 0 评论 -
小麦知识图谱三元组构建
去除品种名称的两边空格抽取同省份关系构建知识图谱连接数据库构建小麦本体提取亲本关系统计所有品种名称小麦品种展示小麦关系查询小麦关系查询总结知识图谱简单构建,及数据导入及展示Python操作neo4原创 2023-02-09 15:07:34 · 423 阅读 · 0 评论 -
基于知识图谱的《红楼梦》人物关系可视化及问答系统:人物数据采集(一)
【代码】基于知识图谱的《红楼梦》人物关系可视化及问答系统:人物数据采集(一)原创 2023-02-03 21:20:17 · 684 阅读 · 2 评论 -
知识图谱中的 Ontology(本体论)
1980年,本体论(Ontology)哲学概念“本体”被引入到人工智能领域用来刻画知识。本体概念模型、明确、形式化、共享。本体是实体存在形式的描述,往往表示为一组概念定义和概念之间的层级关系,本体框架形式树状结构,通常被用来为知识图谱定义schema。如人、公司、车等都可以在具体场景下称为本体。Ontology是(特定领域)信息组织的一种形式,是领域知识规范的抽象和描述,是表达、共享、重用知识的方法。Ontology。原创 2023-02-03 15:24:30 · 709 阅读 · 0 评论 -
浅析【知识图谱】构建
知识图谱(Knowledge Graph)的概念由谷歌 2012 年正式提出,旨在实现更智能的搜索引擎,并且于 2013 年以后开始在学术界和业界普及,并在智能问答、情报分析、反欺诈等应用中发挥重要作用。知识图谱以语义网( Semantic Web) 和领域本体( Ontology) 为其关键技术的大规模语义网络知识库。是结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系。其基本组成单位是“实体-关系-实体”三元组,以及实体及其相关属性-值对,实体间通过关系相互联结,构成网状的知识结构。原创 2023-02-03 14:55:39 · 198 阅读 · 0 评论 -
【KG-neo4j】merge与create的区别
也就是说,如果数据库中的某些内容会对您在MERGE中使用的模式执行MATCH操作,那么MERGE将只返回该模式。如果没有匹配,MERGE将在模式中创建所有缺少的元素,其中缺少的元素表示任何未绑定的标识符。或者整个模式已经存在,并且不会创建任何内容,或者模式的某些部分丢失,将创建与该模式匹配的一组全新的关系和节点。从合并的角度来看,"a“是一个绑定标识符。这意味着cypher不知何故已经知道它代表的是哪个节点。如果此模式存在,则不创建任何内容,只返回pattern。,如果节点中有重复数据,就不会添加进去。原创 2023-01-27 18:59:35 · 346 阅读 · 2 评论 -
快速入门知识图谱 - Neo4J Cypher查询语言教程
知识图谱(Knowledge Graph),是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、 构建、绘制和显示知识及它们之间的相互联系。知识图谱目前的应用主要在搜索、智能问答、推荐系统等方面。知识图谱的建设,一般包括数据获取、实体识别和关系抽取、数据存储、图谱应用几个方面。本文着眼于数据存储这块,给大家一个Neo4J的快速教程。原创 2023-01-27 18:39:18 · 483 阅读 · 0 评论 -
【KG】构建《红楼梦》知识图谱
构建《红楼梦》知识图谱,来源与Github开源项目,借此进一步学习。原创 2023-01-27 17:25:06 · 393 阅读 · 0 评论 -
【知识图谱】OpenKG开源系列 | 海洋鱼类百科知识图谱(浙江大学)
OpenKG开源系列 | 海洋鱼类百科知识图谱(浙江大学)1. 背景2. 数据集简介2.1 fish.csv2.2 place.csv2.3 fishplacerelationship.csv3. 构建过程3.1 数据来源3.2 数据标准化3.3 关系定义和抽取3.4 知识存储4. 总结1. 背景 海洋是生命的摇篮,是人类文明的重要发祥地,在人类社会发展的进程中起着举足轻重的作用。海洋问题一直是国家战略问题。在党的十八大报告中首次提出建设海洋强国的战略目标,并在十九大报告中提出“坚持陆海统筹,加快建设原创 2022-01-15 22:46:38 · 1481 阅读 · 0 评论 -
【知识图谱】Neo4j 删除、清空数据库的方法
Neo4j 删除、清空数据库的方法方式1:Cypher方式2:py2neo方式3:手动删除方式1:CypherCypher 语句:MATCH (n)OPTIONAL MATCH (n)-[r]-()DELETE n,r或者:match (n) detach delete n方式2:py2neofrom py2neo import Graphgraph = Graph("http://localhost:7474", auth=("neo4j", "test123"))graph.原创 2022-01-15 19:36:09 · 15051 阅读 · 0 评论 -
同一系统下如何运行多个Neo4j数据库&Caused by: org.neo4j.helpers.PortBindException: Address 0.0.0.0:7687 is already
Neo4j 如何运行多个数据库前言方案一方案二前言想参考学长的neo4j数据库配置,把他的安装包拿过来发现,无法正常启动。出现报错:Caused by: org.neo4j.helpers.PortBindException: Address 0.0.0.0:7687 is already in use, cannot bind to it.可以发现端口号已经占用了,因此考虑修改该数据库的配置文件。方案一修改neo4j端口:修改conf文件夹下neo4j.conf文件dbms.connect原创 2021-12-31 08:53:18 · 601 阅读 · 0 评论 -
【KG】美团知识图谱问答技术实践与探索
美团知识图谱问答技术实践与探索1 背景与挑战2 解决方案2.1 Query理解2.2 关系识别2.3 复杂问题理解2.3.1 带约束问题2.3.2 多跳问题2.4 观点问答2.5 端到端方案的探索3 应用实践3.1 酒店问一问3.2 门票地推3.3 商家推荐回复4 总结与展望1 背景与挑战问答系统(Question Answering System, QA)是人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的方向,它是信息检索系统的一种高级形式,可以用准确、简洁的自然语言回答用户用自然语言提出原创 2021-12-03 09:20:47 · 1070 阅读 · 2 评论 -
Neo4j 创建有数组属性的节点&关系深度
Neo4j 创建有数组属性的节点&关系深度创建节点Neo4j关系深度创建节点create (u:User{name:'Ma',age:23,compare:['Neo4j','MySQL','ArangoDB']}) return n创建好了节点,查询:match (n:User) where 'MySQL' in n.compare return n;创建好节点,查询:match (n:User) where 'MySQL' in n.compare return n;Ne原创 2021-11-12 12:59:29 · 1274 阅读 · 0 评论 -
Neo4j 重置密码
Windows: neo4j 重置密码先停止neo4j.查找到neo4j的database location路径,一般会在路径:\neo4j-*\data\dbms打开dbms文件夹,找到auth文件并删除.重新启动neo4j,此时使用浏览器访问neo4j就可以使用默认的用户名密码登录。原文链接:Link加油!感谢!努力!...原创 2021-11-12 12:53:33 · 2309 阅读 · 3 评论 -
【知识图谱】使用Python驱动访问Neo4j
使用Python驱动访问Neo4j前言1. 安装Python版本的Neo4j驱动2. Driver对象3. Session对象4. StatementResult和Record5. 示例代码前言neo4j官方驱动支持Python语言,驱动程序主要包含Driver类型和Session类型。Driver对象包含Neo4j数据库的详细信息,包括主机url、安全验证等配置,还管理着连接池(Connection Pool);Session对象是执行事务单元的逻辑上下文,事务是在Session的上下文中执行的。原创 2021-11-12 12:45:43 · 478 阅读 · 0 评论 -
【知识图谱】py2neo基本操作(2021-11-11)
py2neo基本操作(2021-11-11)1. 连接Neo4j数据库2. 节点的建立3. 节点间关系的建立4. 删除节点5. 节点/关系的属性赋值以及属性值的更新6. 通过属性值来查找节点和关系(find,find_one)7. 读取1. 连接Neo4j数据库要通过python来操作Neo4j,首先需要安装py2neo,可以直接使用pip安装。pip install py2neo在完成安装之后,打开pycharm,调用py2neo即可.from py2neo import Graph,Node原创 2021-11-11 22:09:08 · 8591 阅读 · 4 评论 -
Neo4j Cypher查询语言总结
原创 2021-11-11 22:09:01 · 638 阅读 · 0 评论