KBQA（知识图谱问答）-常用数据集：UMLS：医疗数据集； Kinship：亲属关系数据集

最新推荐文章于 2025-02-09 23:33:57 发布
最新推荐文章于 2025-02-09 23:33:57 发布
阅读量1.5k 收藏 1
点赞数 1
分类专栏： 数据集 文章标签： 知识图谱 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/126525608
版权

知识图谱数据集

  • UMLS：医疗数据集

  • Kinship：亲属关系数据集

  • WN18RR：WordNet子集。描述英语单词之间关联特征的数据集，同时保留WordNet数据集中的对称、非对称和组合关系，去除了倒装关系

  • FB15k-237:Freebase子集

参考资料：
知识图谱数据集下载 KnowledgeGraphDatasets

知识图谱-Schema：医疗领域
u013250861的博客
12-01 731
知识图谱-Schema：医疗领域
医学GraphRAG：通过知识图谱检索增强实现安全医疗大语言模型 - 牛津大学最新论文
强化学习曾小健
08-10 4739
我们引入了一种新型基于图的检索增强生成（RAG）框架，专门为医疗领域设计，称为MedGraphRAG，旨在增强大型语言模型（LLM）的能力并生成基于证据的结果，从而在处理私密医疗数据时提高安全性和可靠性。我们的综合流程首先采用混合静态语义方法进行文档分块，显著提高了上下文捕获能力，相较于传统方法。提取的实体被用于创建一个三层次的层次图结构，将实体与来自医学论文和字典的基础医学知识联系起来。这些实体随后相互连接形成元图，并根据语义相似性进行合并，以开发一个综合的全局图结构。该结构支持精确的。
论文浅尝 | emrKBQA: 一个面向临床医疗问答的KBQA数据集
开放知识图谱
07-11 1322
笔记整理 | 谭亦鸣，东南大学博士生来源：BioNLP ’21 workshop, ACL ‘21链接：https://www.aclweb.org/anthology/2021.bio...
UMLS数据解读
最新发布
u010788049的博客
02-09 1293
UMLS（Unified Medical Language System，统一医学语言系统），简单来说就是将不同的医学标准统一到一套体系的系统，主要为了医疗系统的统一而构建出的。
umls2rdf:这些python脚本连接到统一医学语言系统（UMLS）数据库，并将本体转换为RDFOWL文件。 这是BioPortal项目的一部分
05-26
该项目采用MySQL统一医学语言系统（UMLS）数据库，并使用OWL和SKOS作为主要模式将本体转换为RDF。 虚拟设备用户可以查看[OntoPortal管理指南中的文档]（ ）。 要使用它： 指定数据库连接conf.py 在umls.conf中指定要导出的SAB本体 umls.conf配置文件每行必须包含一个本体。 这些行是逗号分隔的元组，其中元素是： 以下列表需要更新。 (0) SAB (1) BioPortal Virtual ID. This is optional, any value works. (2) Output file name (3) Conversion strategy. Accepted values (load_on_codes, load_on_cuis). 请注意，“ CCS COSTAR DSM3R DSM4 DXP ICPC2ICD10
知识图谱导论----相关笔记
洋葱的博客
11-13 2969
1.知识图谱引言       1.1 知识图谱的发展历史与现有应用            （1）  深度自然语言理解需要知识的支撑。            （2）IBM Watson 在知识竞赛节目《危险边缘Jeopardy!》中上演“人机问答大战”，并取胜。            （3） 1998年语义网的概念被提出。     1.2 知识图谱的基本概念 已有的知识图谱：
国内外知识图谱资源-国际（UMLS）
热门推荐
一夜飘零
08-22 1万+
•定义： 统一医学语言系统( Unified Medical Language System，UMLS) 是美国国立医学图书馆( National Library of Medicine，NLM) 于1986 年开始建设的一体化医学知识语言，具有集成性、跨领域和工具化的特点。 •应用： UMLS 在信息检索( Information Retrieval) 、自然语言处理( Natural La...
基于学习注意力的知识图关系预测嵌入数据集，包含FB15k-237，kinship，NELL-995，umls，WN18RR
12-12
kinship数据集是一个小型的家族关系知识图谱，它包含了父子、兄弟姐妹等家庭成员间的直接关系。这个数据集的特点是关系种类相对简单，但实体间的关系非常明确，非常适合研究家族关系的结构和模式。 NELL-995数据集...
NELL-995 知识图谱 数据集
03-28
Format of the dataset raw.kb: the raw kb data from NELL system kb_env_rl.txt: we add inverse triples of all triples in raw.kb, this file is used as the KG for reasoning entity2vec.bern/relation2vec....
node-umls-treeify：构建基于UMLS的同义词树库
资源摘要信息:"node-umls-treeify是一个基于JavaScript语言开发的Node.js模块，它利用统一医学语言系统（Unified Medical Language System，UMLS）的元叙词来构建同义词树。UMLS是一个综合性的词汇数据库，它集合了...
UMLS-explorer
05-05
UMLS资源管理器 目录 迈尔 该目录下的文件浏览了UMLS Metathesaurus中的Computable Hierarchy MRHIER.RRF。 有关MRHIER.RRF的更多信息，请参考 网 该目录包括一个交互式的可视化脚本，用于播放UMLS语义网络数据。 数据预处理 transitive_closure.py创建UMLS源词汇（目前仅ICD10）为庞加莱嵌入模型传递闭包。 corpus_token.py标记化语料库并应用词干和corpus_token.py化。
医疗领域12B2数据集
10-16
包含一些医疗英文数据用于实体抽取和关系抽取，biobert数据集，i2b22010数据集，里面数据有很多有些我也没用过希望有帮助
UMLS（统一医学语言系统）—— 小白最强攻略（讲解+运用）
Kakaxiii的博客
09-01 4505
UMLS (Unified Medical Language System)，是由美国国立医学图书馆（NLM）开发的，旨在通过整合各种生物医学术语系统来促进医学信息的统一检索和应用。链接：https://uts.nlm.nih.gov/uts/signUpUMLS参考手册：https://www.ncbi.nlm.nih.gov/books/NBK9676/
知识图谱系列——TransRESCAL模型学习
KH的博客
03-12 1121
TransRESCAL: A Dense Feature Model for Knowledge Graph Completion IEEE-2020 Reference Format： GB/T7714 Chen P , Wang Y , Yu Q , et al. TransRESCAL: A Dense Feature Model for Knowledge Graph Completion[C]// 2020 IEEE International Conference on Progress i
UMLS手把手安装使用
Kakaxiii的博客
09-23 1397
由于原始的安装MetamorphoSys来使用的方法只是在使用一个程序，这里我们将数据加入MYSQL以方便更多自定义操作。以下是MetamorphoSys操作窗口示意：MetamorphoSys暗装好后会生成一个META文件，再次基础上，可以再安装一个工具QuickUMLSUMLS本身是一个可以快速查询医疗名称的软件，QuickUMLS是一个调用UMLS数据库，能用更短时间返回结果的开源项目。
每天一个小知识丨如何利用重测序数据构建kinship矩阵和IBS矩阵？
青笋的博客
03-22 2219
亲缘关系矩阵的对角线元素为 1，表示每个个体与自己的亲缘关系是最近的。一般情况下，亲缘关系矩阵和同源性矩阵是通过重测序数据或 SNP array 数据计算得到的。亲缘关系矩阵和同源性矩阵在基因组学研究中具有重要作用。您需要提供一个包含所有样本的基因型信息的矩阵对象，并指定矩阵的类型（例如，二倍体或多倍体）和计算方法（例如，经典MLE或EM-REML）。亲缘关系矩阵（kinship matrix）和同源性矩阵（IBS matrix）是基于遗传数据计算得到的两种矩阵，用于描述个体之间的亲缘关系和遗传相似度。
WN18RR、FB15k-237 和 Cross3domain 数据集
weixin_44012667的博客
08-15 1609
主要针对可逆关系问题，提供更具挑战性的任务以提高模型的泛化能力。强调跨域的知识图谱嵌入，测试模型的跨域学习能力和知识迁移能力。
文献翻译与阅读《ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning》
weixin_42052249的博客
09-15 2300
本文工作 1. 提出了一个ChatRule框架 2. 框架由一个基于LLM的规则生成器启动，利用了和结构信息 3. 规则质量通过KGs中已有的事实来估计 4. 通过思维链推理验证排序规则的逻辑正确性
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值