## knowledge-graph
- 内容:利用DSE构建知识图谱
- 时间:2018年04月13日22:06:25
#### 数据说明
- (1)examples.txt:示例数据,用于测试禁忌关系分析
- (2)load.groovy:加载数据用的脚本
- (3)schema.groovy:知识图谱schema脚本
#### 历史版本
- 2018年04月13日
- 将gremlin.py和gremlin_remote.py写成类
- 更新数据
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
知识图谱是一种结构化的知识表达形式,它以图形的方式组织和存储了大量实体(如人、地点、事件等)及其相互关系。在知识图谱中,实体作为节点,实体之间的各种语义关联则通过边进行连接,形成了一个庞大的数据网络。 知识图谱的核心价值在于其能够精确、直观地表示复杂世界中的知识,并支持高效的知识查询与推理。例如,在搜索引擎中,知识图谱可以提升搜索结果的相关性和准确性,为用户提供直接的答案而非仅仅是网页链接。同时,知识图谱还能支撑高级的人工智能应用,比如问答系统、推荐系统、决策支持等领域。 构建知识图谱的过程通常包括数据抽取、知识融合、实体识别、关系抽取等多个步骤,涉及到自然语言处理、机器学习、数据库技术等多种技术手段。知识图谱的不断完善有助于实现从海量信息中挖掘深层次、有价值的知识,从而推动人工智能向着更加理解人类世界的智慧方向发展。 总之,知识图谱是一个大规模、多领域、多源异构知识集成的载体,是实现智能化信息系统的基础工具和关键基础设施,对于提升信息检索质量、推动智能应用研发具有重要作用。
资源推荐
资源详情
资源评论
收起资源包目录
DSE构建知识图谱.zip (28个子文件)
SJT-code
utils.py 3KB
data_temp
参考文献.json 26.15MB
gremlin_remote.py 3KB
测试.py 378B
data
药物_说明书
药物_说明书.txt 95KB
schema.groovy 5KB
批准文号
批准文号.txt 4.3MB
药物_成份
药物_成份.txt 315KB
药物_相关文献
药物_相关文献.txt 1.62MB
生产厂商
生产厂商节点.txt 108KB
load.groovy 3KB
药物节点
药品属性_中西药.txt 79KB
药物通用名称
通用名称药品说明书.json 7.96MB
通用名称_批准文号2.json 147KB
通用名称_批准文号.json 1.9MB
药物通用名称.txt 60KB
有参考文献的药物名.json 129KB
药物及参考文献数量.json 129KB
禁忌
药物_禁忌.txt 268KB
相关文献节点
相关文献.txt 22.98MB
药物_疾病
药物_疾病.txt 1.02MB
药品说明书
药品说明书.txt 6.42MB
examples.txt 358B
中英文对照表.json 1KB
data_prepro.py 2KB
loader.log 192KB
gremlin.py 4KB
README.md 389B
共 28 条
- 1
资源评论
JJJ69
- 粉丝: 6223
- 资源: 5780
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功