已找到以下 93 条记录
产品选择
知识图谱 KG
没有找到结果,请重新输入
产品选择
知识图谱 KG
产品选择
没有找到结果,请重新输入
  • 什么是字段抽取函数 - 知识图谱 KG

    取,即从原始数据抽取结构化的信息。更多详情请见配置信息抽取。 字段抽取函数说明 KG服务支持的信息抽取函数如1所示。其中,“字段”示基础数据的字段名,在抽取函数引用字段时,使用格式为“${字段}”,例如抽取基础数据属性“name”的字段,在抽取函数引用字段的格式为“trim(${name})”。

  • 创建信息抽取模型 - 知识图谱 KG

    单击“创建”后自动返回数据标注页面。在标注作业列单击作业名称,进入作业标注详情页,默认显示“未标注”的文本列。 单击“同步新数据”,快速将数据集中的数据添加到标注作业。 按下文步骤标注文本数据集。 在“未标注”页签文本列,页面左侧罗列“标注对象列”。在左侧列单击需标注的文本对象,在右

  • API概览 - 知识图谱 KG

    KG服务提供接口请参见1,您可以使用知识图谱数据面管理功能。 1 知识图谱数据面接口 API 说明 执行知识图谱查询命令 根据图谱ID执行知识图谱查询命令。 查询实体详情 根据图谱ID和实体ID查询实体详情,包括实体的ID、类型、属性及属性值。 过滤查询实体列 根据图谱ID,过

  • 信息抽取模型简介 - 知识图谱 KG

    建知识图谱过程的信息抽取。 在KG服务管理控制台上自定义信息抽取模型是一种基于schema约束的中文信息抽取模型,即从自然语言文本抽取三元组的模型,因此仅适用于抽取基础数据格式为txt文本的自然语言短句。 自定义模型流程 自定义信息抽取模型的流程如1所示。 1 自定义信息抽取模型流程

  • 配置信息抽取简介 - 知识图谱 KG

    作。 基本概念 信息抽取是从基础数据抽取待创建图谱的实体、属性信息以及实体间的相互关系。目的是从原始数据(包括结构化数据或非结构化数据)抽取结构化的信息。 配置方式 信息抽取分为结构化抽取和非结构化抽取,其适用范围和抽取方式如1所示。 1 配置方式说明 配置方式 适用范围

  • 权限管理 - 知识图谱 KG

    域(如华北-北京四)对应的项目(cn-north-4)设置策略,并且该策略仅对此项目生效,如果需要所有区域都生效,则需要在所有项目都设置策略。访问KG时,需要先切换至授权区域。 如1 所示,包括了KG的所有系统角色。 1 KG系统角色 角色名称 描述 NLP Administrator

  • 创建问答模板 - 知识图谱 KG

    添加问答模板包含的元素。 单击“添加元素”,在对话框中选择问答模板所包含的“元素类型”,例如“概念”,输入“概念名”。可添加多个元素,元素类型请见1。 图3 添加元素 1 添加元素 元素类型 字段说明 概念 配置问答模板中所包含的概念,填写“概念名”,必须是当前知识图谱存在的概念名。可添加多个概

  • 问答体验 - 知识图谱 KG

    单击知识图谱问答KBQA卡片下方的“问答体验”,进入“问答体验”页面。 问答体验 在问答体验框,针对当前知识图谱的知识提出问题,KBQA服务会根据您的提问查询和推理当前知识图谱的知识库,并返回精准答案。 常见的问题类型及返回答案如下: 列型问题 通过枚举方式列举出所有的答案实体及实体属性。 例如: Q:不止英雄的主演有哪些?

  • 增量更新图谱 - 知识图谱 KG

    知识映射、知识融合、图谱质检的配置,详细的操作指引请见1。 “增量更新”页面入口与“创建知识图谱”页面入口不同,但是增量更新的配置操作均与创建知识图谱操作相同。 增量更新不支持更新本体,仅支持预览本体。 图1 增量更新 1 增量更新图谱操作 操作顺序 操作名称 操作指引 1

  • 图谱版本管理简介 - 知识图谱 KG

    单击“预览图谱”进入图谱预览页面,详情请参见预览查询知识图谱。 “知识图谱问答KBQA” 基于知识图谱的知识提供问答处理系统,详情请见知识图谱问答KBQA服务。 “实体链接” 识别句子中出现的知识图谱的实体,并返回实体相关信息。本应用仅提供接口信息,详情请见API参考>实体链接。 版本统计

  • 普通配置构建图谱 - 知识图谱 KG

    进入普通配置构建图谱页面。 图2 智能构建图谱 按照流水线依次进行配置,详细的操作指引请见1。 图3 创建流程图 1 创建流程 流程 方法 说明 详细指导 配置数据源 - 数据是知识图谱的基础。 基于已存储在OBS的基础数据,您可以从OBS导入用于构建知识图谱的基础数据。 配置数据源 配置图谱本体

  • 准备训练数据 - 知识图谱 KG

    李四,著名导演,毕业于电影学院,代作有《电影1》、《电影2》。 ... ... 定义三元组类型(schema) 为了训练自定义的信息抽取模型,需要定义该抽取模型能够抽取的三元组类型,并在训练数据中进行标注。 三元组是知识图谱构建的基本元组,三元组借鉴了语言学主谓宾结构,语言学中一句话

  • 配置知识融合 - 知识图谱 KG

    一规范下进行异构数据整合、消歧。 如图1所示的两条数据,这两条数据的“元鲜”实际上是同一个人,因此需要对这两条数据进行融合。 图1 知识融合示例 知识融合过程请见图2,融合过程说明请见1。 图2 知识融合 1 知识融合说明 融合过程 过程说明 初步筛选 知识融合需要初步筛选与融合标识符相似的实体数据。