上下文感知的知识图谱突出事实挖掘

我们提出了FMiner，一个上下文感知的挖掘框架，利用知识图谱(KGs)进行COF挖掘。FMiner通过两个步骤生成COF。首先，它发现目标和KG中的上下文实体之间的top-k相关关系。

分享图机器学习研究趋势——知识图谱将更加流行

在今年的ICLR会议上，有很多关于知识图谱推理的论文。 从本质上讲，知识图谱是一种结构化的表示事实的方式。与一般的图不同，知识图谱的节点和边实际上具有一定的含义，例如演员的名字、电影名等。

【AI前沿动态】人工智能的浪潮中，知识图谱何去何从？

在知识图谱的表示和推理，知识图谱融合和更新，通用知识图谱引擎构建，以及高效、低成本构建知识图谱方面取得了一些成果，包括：一套并行本体推理引擎和一套规则引擎，可高效处理千万级别本体推理，并且支持本体和规则的混合式推理；一个通用知识图谱系统，可针对百科数据进行抽取、融合、更新、推理，还可针对各种社交网站数据自动化构建知识分类体系

知识图谱告诉你（华为云知识图谱服务-信息抽取模型实践）

此次实践使用华为云-知识图谱服务，训练一个电影领域的自定义信息抽取模型，并进一步输入自然语言文本，从中抽取三元组，构建一个电影知识图谱。轻松查询斯嘉丽主演过哪些电影，以及曾和哪些导演合作。      

领域知识图谱的医生推荐系统：利用BERT+CRF+BiLSTM的医疗实体识别，建立医学知识图谱，建立知识问答系统

知识图谱构建 为了进行准确的疾病诊断，我们依托于大规模数据集构建知识图谱。 build_kg模块提供了有关知识图谱构建的信息。

｜AI基础课之知识图谱第五讲

经过前面几讲，大家一定已经对知识图谱的构建、存储、查询、推理有了一些认识。是时候看看它有多少能耐了！有请我们的老朋友William为大家介绍知识图谱的各种应用！附上课程链接：https://mp.weixin.qq.com/s/-RKX0_OJPuic06EmZyp1sg

学习笔记 - 基于知识图谱的推荐系统发展现状

从2012年Google提出知识图谱直到今天，知识图谱本质上是大规模的语义网络的表达，而推荐系统作为互联网时代的一种信息检索工具身份出现，自1997年提出推荐系统，逐步形成一个重要且自成体系的研究领域，其本质是基于一定学习的主动针对具体目标的信息价值的高效获取。

企业级知识计算平台宣讲之知识图谱学习笔记

分享结构化数据双曲和超关系知识图谱

在图表征学习领域，另一个日渐凸显的趋势是：不仅仅局限于简单的由三元组组成的知识图谱，进一步学习更复杂的超关系知识图谱，例如 Rosso 等人在论文「Beyond Triplets: Hyper-Relational Knowledge Graph Embedding for Link

创建知识图谱中数据源配置中对象路径错误

创建知识图谱中数据源配置中对象路径错误，是什么问题？已经建桶和文件夹，也上传数据了。

【知识图谱服务】为什么增量/全量更新按钮会变灰

【功能模块】知识图谱服务-全量更新、增量更新【操作步骤&问题现象】按钮变灰【截图信息】【日志信息】（可选，上传日志内容或者附件）

能不能用知识图谱做一个通讯录功能？

在云速建站的会员管理和分销管理中，无法以图形化展示会员关系，比如会员邀请了哪些人注册了网站会员，以及会员分销了哪些产品给哪些人，其次是目前所有的通讯录都不能表达关系，而且不支持图形化，像天眼查，企查查也只用知识图谱做股权展示，现在华为手机的紧急联系人就可以用知识图谱展示，比如点华为手机用户头像