已找到以下 92 条记录
AI智能搜索
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
在搜索结果页开启AI智能搜索
开启
产品选择
没有找到结果,请重新输入
  • 导出本体 - 知识图谱 KG

    导出本体 针对在KG服务管理控制台创建的本体,您可以把本体导出至OBS文件夹中。 登录KG服务管理控制台,在左侧菜单栏中选择“我的图谱资产库 > 我的本体”,进入“本体管理”页面。 在本体列表中,单击操作栏的“导出”,弹出对话框。 在对话框中选择OBS存储本体的路径: 在“OBS桶

  • 表格配置模式 - 知识图谱 KG

    表格配置模式 表格配置模式指通过填写基础数据映射前后的相关字段,完成知识映射配置。 前提条件 已创建图谱并选择图谱规格,请参见购买知识图谱。 已创建并选择本体,详情请参见配置图谱本体。 已完成数据源配置,详情请参见配置数据源。 已完成信息抽取配置,详情请参见配置信息抽取。 操作步骤

  • 配置知识映射简介 - 知识图谱 KG

    配置知识映射简介 在创建知识图谱时,当您配置信息抽取后,您需要配置信息映射,设置抽取映射前后的相关字段。 基本概念 知识映射是建立从基础数据抽取出的结构化信息与知识图谱本体的映射关系,例如抽取出的有关电影结构化信息与图谱本体映射关系如图1所示。 图1 实体电影的知识映射关系 配置方式

  • 导出图谱 - 知识图谱 KG

    导出图谱 对于已经创建的图谱版本,支持导出图谱版本至OBS桶。导出的图谱可以通过“全量更新 > 图谱导入”进行恢复。 导出的图谱版本包含以下信息: csv文件夹:存放csv源数据文件 ontology.json:图谱本体配置文件 pipeline_config.json:流水线配置文件

  • API概览 - 知识图谱 KG

    API概览 KG服务提供接口请参见表1,您可以使用知识图谱数据面管理功能。 表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。 过滤查询实体列表 根据图谱

  • 什么是信息抽取 - 知识图谱 KG

    什么是信息抽取 信息抽取是从基础数据中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)中抽取结构化的信息。 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表1所示。 表1 配置方式说明 配置方式 适用范围

  • 配置信息抽取简介 - 知识图谱 KG

    配置信息抽取简介 在创建知识图谱时,当您选择本体后,您需要配置信息抽取,输入实体类型、抽取函数及抽取前后的数据字段,才能进行配置信息映射、配置知识融合等操作。 基本概念 信息抽取是从基础数据中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

  • 代码配置模式 - 知识图谱 KG

    代码配置模式 格式化编辑指通过编辑json格式代码,完成知识映射配置。 前提条件 已创建图谱并选择图谱规格,请参见购买知识图谱。 已创建并选择本体,详情请参见配置图谱本体。 已完成数据源配置,详情请参见配置数据源。 已完成信息抽取配置,详情请参见配置信息抽取。 操作步骤 在普通配置构建图谱页面

  • 创建问答模板 - 知识图谱 KG

    创建问答模板 知识图谱KBQA服务支持根据用户问答查询意图自定义问答模板,用来识别用户问句的真实查询意图。 创建问答模板 登录KG服务管理控制台,默认进入“我的图谱”页面。 在“我的图谱”页面,单击已创建的图谱卡片,进入图谱详情页面。 单击知识图谱问答KBQA卡片下方的“问答配置”

  • 图谱版本管理简介 - 知识图谱 KG

    图谱版本管理简介 针对已创建的知识图谱,您可以对不同版本的图谱进行管理,还可以对图谱进行发布、删除等操作。 查看图谱详情 登录KG服务管理控制台,默认进入“我的图谱”页面。 在“我的图谱”页面,单击待查看的图谱卡片,进入图谱详情页面,可查看如下信息。 在线版本图谱 图谱应用 版本统计

  • 执行知识图谱查询命令 - 知识图谱 KG

    执行知识图谱查询命令 功能介绍 指定知识图谱实例ID,在ID对应的知识图谱后端执行gremlin查询命令。gremlin命令仅限于读取操作,禁止执行修改操作。 URI POST /v1/{project_id}/kg/kg-instances/{kg_id}/gremlin-query

  • 进行KBQA会话 - 知识图谱 KG

    进行KBQA会话 功能介绍 知识图谱问答服务(Knowledge Base Question Answering,简称KBQA)利用机器对自然语言分析与处理能力,理解用户所提出的问题,并利用知识图谱中的结构化知识进行查询、推理,找到解决该问题的精准答案并反馈给用户,协助用户解决不同类型的问题