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

于 2022-08-25 15:15:53 发布
阅读量1k 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

u013250861
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
医学数据集：跟踪医学数据集，重点是医学成像
02-11
医疗数据集列表 我主要是作为有趣的医学数据集的个人转储来维护此列表，重点是医学成像。 而不是尝试对数据集进行分组/聚类，我将尝试为每个数据集维护一组关键字。 请参阅以获取随着时间的推移添加的列表。 免责声明：请记住要解决实际的临床问题 :smiling_face: 主要医学影像清单 65,240例患者的224,316例胸片，带有报告标签关键字：超大型，X射线，标签 100000张射线照片关键字：超大型，X射线，标签 371,920例胸部X射线与227,943例影像学检查相关3/16/2019：尚未与MIMIC ICU数据链接。 查看v2：自由文本放射学报告需要请求访问关键字：超大型，X射线，标签 由放射科医生解释和报告的来自67,000名患者的160,000张图像标有174种不同的放射线影像学发现，19种鉴别诊断和104个解剖位置，以分层分类法组织到标准统一医学语言系统（UMLS） 关键字：超大型，X射线，标
金融行业问答数据集.zip
06-16
金融行业问答数据集.zip
WordNet-WN18
03-12
数据集WN18是WordNet的子集，包含18种关系和40k种实体。训练集中包含141,442条三元组，验证集中包含2,500条三元组，测试集中包含2,500条三元组。
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
In silico saturation mutagenesis of cancer genes 解读
hyh14的博客
09-04 1806
摘要 尽管已经存在癌症基因目录（The COSMIC Cancer Gene Census、IntOGen），但是识别驱动基因的特定突变还是一个问题。 文章提出了测试突变在个体和组织中复刻的致癌能力，来解决癌症基因突变是否致癌的问题。 引言 肿瘤遵循达尔文进化论，是体细胞变异和选择之间相互作用的结果。但是，在肿瘤中观察到大约90%的癌症基因突变对恶性肿瘤的发展具有未知的意义。确定突变与细胞转化的相关性是关键。然而，由于每种癌症基因和组织的肿瘤发生的分子机制不同，需要特定的模型来描述定义驱动突变的特征
WN18 数据集
03-02
For training, datasets contain three files: train2id.txt: training file, the first line is the number of triples for training. Then the follow lines are all in the format (e1, e2, rel). entity2id.txt: all entities and corresponding ids, one per line. The first line is the number of entities. relation2id.txt: all relations and corresponding ids, one per line. The first line is the number of relations. For testing, datasets contain additional two files (totally five files): test2id.txt: testing file, the first line is the number of triples for testing. Then the follow lines are all in the format (e1, e2, rel). valid2id.txt: validating file, the first line is the number of triples for validating. Then the follow lines are all in the format (e1, e2, rel).
ACL-BioNLP 2020 | 耶鲁大学实践成果：生物医药知识图谱嵌入模型基准测试
DrugAI
10-08 2167
今天给大家介绍的是耶鲁大学医学信息学中心主任Brandt教授实验室和爱丁堡大学的博士生联合发表在ACL-BioNLP 2020发表的文章“Benchmark and Best Practices for Biomedical Knowledge Graph Embeddings”。作者将五个KGE模型应用到SNOMED-CT知识图谱中，提供了与现有方法的比较基准并深入讨论目前的最佳实践应用，并说明了利用知识图谱的多关系特性来学习生物医学知识表示的重要性。 1 介绍 大量的生物医学领域知识存储...
数据集WordNet-WN18
Crazy的博客
12-13 5037
数据集： 数据集WN18是WordNet的子集，包含18种关系和40k种实体。 hhttps://download.csdn.net/download/qq_21097885/11013930 类别 数量 #Relation 18 #Entity 40,943 #Train 141,442 #Valid 2,500 #Test 2,500 论文： 持续更新中。。...
常用知识图谱数据集FB15K, YAGO, WN18
热门推荐
Norstc的博客
10-28 1万+
一 FB15K-237 FB15k-237共14541个实体，237种关系，它是FB15K的子集，FB15K又是Freebase数据集的子集 详细见：FB15K-237知识图谱数据集的介绍与分析，Freebase 二 WN18rr WN18rr是从WordNet抽取的子集，共40943个实体，11种关系。 关系列表如下： 0 _hypernym 1 _derivationally_related_form 2 _instance_hypernym 3 _also_see 4 _member
知识表示学习常用数据集
lzw17750614592的博客
03-03 1948
WN11 WN11所包含的11种关系 出处（SE） Bordes A, Weston J, Collobert R, et al. Learning Structured Embeddings of Knowledge Bases[C]//AAAI. 2011, 6(1): 6. PDF 特点 As WordNet is composed ...
数据集WN18.zip
08-02
数据集WN18.zip
数据集WN18.rar
11-08
知识图谱WN18数据集
WN18数据集
03-19
Wordnet是一个词典。每个词语(word)可能有多个不同的语义，对应不同的sense。而每个不同的语义（sense）又可能对应多个词，如topic和subject在某些情况下是同义的，一个sense中的多个消除了多义性的词语叫做lemma。，WordNet子集WN18
node-MetaMap:为 UMLS 提供对 MetaMap Web API 的访问的包
06-05
这个小包提供了对 [MetaMap Web API] ( ) 的简单访问点，它允许分析文本文档并将它们映射到统一医疗中的概念语言系统 (UMLS) 元叙词表。 要求和安装 在可以使用包之前，必须满足以下先决条件： 该软件包需要运行...
GEANet-BioMed-Event-Extraction：具有层次知识图的生物医学事件提取的代码
01-30
我们在分层知识图中表示来自UMLS的知识，并通过提出的图神经网络（图边缘条件的注意力神经网络（GEANet））将知识整合到预训练的上下文表示中。 目前，只有SciBERT Baseline可用，而性能最好的型号GEANet-SciBERT...
node-umls-treeify:基于统一医学语言系统 (UMLS) 元叙词的同义词树
07-11
节点umls-treeify 基于统一医学语言系统 (UMLS) 元叙词的同义词树
medknow:医疗关系和实体提取
05-03
它着重于利用图形数据库从免费的nlp文本中提取生物医学实体及其之间的关系，并以一种使提取新知识和推断隐藏关系更容易的方式构造它们。 该项目在设计时考虑了模块化，允许实现和快速集成新的提取器，例如用于关系...
KBQA 常用的问答数据集之 WebQSP
lft_happiness的博客
03-03 4841
KBQA 常用的数据集之WebQSP(WebQuestionsSP)
知识图谱导论----相关笔记
洋葱的博客
11-13 2637
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：
umls数据集知识图谱可视化的效果图
最新发布
08-01
UMLS数据集是由美国国家医学图书馆（National Library of Medicine）开发和维护的一种医学资源，用于支持医学信息检索和语义分析任务。知识图谱可视化是将这个庞大的UMLS数据集以图的形式展示出来，以帮助用户更直观地理解和使用其中的知识。 在知识图谱可视化的效果图中，可以看到UMLS数据集中的各种实体和它们之间的关系。这些实体包括疾病、药物、治疗方法、解剖部位等，它们以节点的形式呈现在图中。不同的实体之间通过边连接起来，表示它们之间的关联关系，比如疾病与症状的关系、药物与治疗方法的关系等。 通过这样的知识图谱可视化，用户可以更方便地了解某个实体的具体信息。当用户点击某个节点时，会显示该节点的详细属性和与之相关的其他实体。用户还可以对图进行放大、缩小、平移等操作，以便更好地浏览整个图谱。 除了直观地展示实体和关系，知识图谱可视化还可以提供一些辅助功能。比如，用户可以根据自己的兴趣选择只显示特定类型的实体，或者根据关联程度来调整边的显示。这些功能可以帮助用户更快速地找到自己感兴趣的信息。 总之，UMLS数据集知识图谱的可视化效果图能够帮助用户更深入地理解和探索其中的知识。它通过直观的图形展示以及辅助功能，让用户更方便地获取所需的信息，并发现实体之间的关联。这对于医学信息检索和语义分析任务有着重要的意义。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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