KG/AbstractKnowledgeGraph
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

Update README.md

Browse Source
This commit is contained in:
liuhuanyong 2019-08-05 13:06:03 +08:00 committed by GitHub
parent 0dbeea555f
commit d5de32ed40
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 11 additions and 11 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

22
README.md
View File

@ -52,8 +52,8 @@ HowNet是董振东与董强两个老师研制出来的一款中文版的wordnet
4) BaikeSchema
基于众包方式形成的百科知识库中包含着大量的社会常识知识，这种知识以Taxonomy的方式进行组织。百科类知识库，包括以百度百科、互动百科以及维基百科为首的三大百科，在知识抽象上包括两个方面，一个是百科分类体系树，另一个是百科词条页面中的标签以及义项体系，集成这两个百科的知识体系，可以得到准确率适当的层级效果。不过，在构建过程中，不同的百科中有不同的百科分类体系，往往需要进行对应以及融合。该项目数据分布在百科平台上，需要整理形成使用。关于这方面的工作，可以参考我之前做的一个工作：
1,百科schema收集项目，地址：https://github.com/liuhuanyong/BaikeKnowledgeSchema
2,基于百科知识的上下位概念项目，地址：https://github.com/liuhuanyong/HyponymyExtraction
1,百科schema收集项目，地址：https://github.com/liuhuanyong/BaikeKnowledgeSchema
2,基于百科知识的上下位概念项目，地址：https://github.com/liuhuanyong/HyponymyExtraction
# 抽象图谱构建技术路线
@ -77,18 +77,18 @@ HowNet是董振东与董强两个老师研制出来的一款中文版的wordnet
![image](https://github.com/liuhuanyong/AbstractKnowledgeGraph/blob/master/img/verb.png)
# 总结
1，本项目提出了一个抽象知识图谱的项目，目的是对知识抽象与泛化提供一个思路并初步实践。
2，本项目介绍了抽象知识图谱，对抽象图谱的现实需求进行论述。
3，本项目介绍了中文抽象图谱的相关工作。摆阔CN-Probase,Hownet,大词林,百度百科Schema等，并给出了之前关联的项目地址。
4，本项目提出了一个可用的抽象知识图谱构建路线，提出抽象知识图谱的实施路线并给出抽象接口实践。基于hownet,同义词词林，从名词性实体抽象、形容词性性状描述抽象以及事件性动词抽象三个角度出发，形成了一个规模约50万的抽象接口。
5，知识图谱体系的再认识。知识图谱包括知识词汇表的挖掘，知识体系的挖掘，知识事实的挖掘三个部分内容，三个部分内容按照先后顺序排序。知识词汇表挖掘负责对知识中的短语名称、组合名称进行挖掘，形成符号基础。知识体系的挖掘，指知识概念层级的挖掘，更多的集中在抽象层级的挖掘；知识事实的挖掘，是目前的实体抽取与实体关系抽取，这也是目前知识图谱所处的阶段。
6，本项目提出了一个较为理想的目标，但技术实现起来仍然还需要一个体系更为健全、技术更为先进的方法来处理。后续这个项目可以长期维护。
1，本项目提出了一个抽象知识图谱的项目，目的是对知识抽象与泛化提供一个思路并初步实践。
2，本项目介绍了抽象知识图谱，对抽象图谱的现实需求进行论述。
3，本项目介绍了中文抽象图谱的相关工作。摆阔CN-Probase,Hownet,大词林,百度百科Schema等，并给出了之前关联的项目地址。
4，本项目提出了一个可用的抽象知识图谱构建路线，提出抽象知识图谱的实施路线并给出抽象接口实践。基于hownet,同义词词林，从名词性实体抽象、形容词性性状描述抽象以及事件性动词抽象三个角度出发，形成了一个规模约50万的抽象接口。
5，知识图谱体系的再认识。知识图谱包括知识词汇表的挖掘，知识体系的挖掘，知识事实的挖掘三个部分内容，三个部分内容按照先后顺序排序。知识词汇表挖掘负责对知识中的短语名称、组合名称进行挖掘，形成符号基础。知识体系的挖掘，指知识概念层级的挖掘，更多的集中在抽象层级的挖掘；知识事实的挖掘，是目前的实体抽取与实体关系抽取，这也是目前知识图谱所处的阶段。
6，本项目提出了一个较为理想的目标，但技术实现起来仍然还需要一个体系更为健全、技术更为先进的方法来处理。后续这个项目可以长期维护。
If any question about the project or me ,see https://liuhuanyong.github.io/
如有自然语言处理、[知识图谱、事理图谱]、社会计算、语言资源建设等问题或合作，如果对事件知识库有兴趣的落地或者研究，可联系我：
1、我的github项目介绍：https://liuhuanyong.github.io
2、我的csdn博客：https://blog.csdn.net/lhy2014
1、我的github项目介绍：https://liuhuanyong.github.io
2、我的csdn博客：https://blog.csdn.net/lhy2014
3、about me:刘焕勇，中国科学院软件研究所，lhy_in_blcu@126.com
4、得语言者分天下，得知识逻辑者，游得天下。
4、得语言者分天下，得知识逻辑者，游得天下。