王昊奋专题
####好好好好######KG-知识图谱入门-王昊奋课程详细笔记（附课件、课程链接与详细笔记）
毕设导师给的方向是知识图谱，所以就在B站看了王昊奋老师（小象学院）的课程。整个课程11集，每集将近两个半小时。观看地址： https://www.bilibili.com/video/av25435535?from=search&seid=5479672111819637431 讲真一开始看这个视频的时候是很崩溃的，讲的还是偏理论，于是自己硬着头皮1.5倍速看完，记了整整十页的笔记，才算对知识
KG-知识图谱入门-王昊奋课程详细笔记（附课件、课程链接与详细笔记） 内有资源
https://blog.csdn.net/qq_36342854/article/details/84893348
知识表示和知识建模（王昊奋知识图谱笔记）
知识表示和知识建模 大纲 早期知识表示简介 基于语义网的知识表示框架 RDF和RDFSOWL和OWL2FragmentsSPARQL查询语言Json-LD、RDFa、HTML5MicroData等新型知识表示 典型知识库项目的知识表示 第一部分：早期知识表示简介 知识表示的重要性 知识是智能的基础 机器可以获得知识机器可以运用知识 符合计算机要求的知识模式 计算机能存储、处理的知
【知识图谱】王昊奋-第1课笔记-知识图谱概论
一、知识图谱与语义技术概述 1. 起源 人的思想是偏重关联的（Vannevar Bush）→以“链接”（超文本）为中心的系统Web→维基百科 2. 语义网 从链接文本（Web of Texts, Web of Documents）到链接数据（Web of Objects, Web of Data, Web of Things） i.e. Web中有各种类型的事物，事物（Things no
KG-知识图谱入门-王昊奋课程详细笔记（附课件、课程链接与详细笔记）
毕设导师给的方向是知识图谱，所以就在B站看了王昊奋老师（小象学院）的课程。整个课程11集，每集将近两个半小时。观看地址： https://www.bilibili.com/video/av25435535?from=search&seid=5479672111819637431 讲真一开始看这个视频的时候是很崩溃的，讲的还是偏理论，于是自己硬着头皮1.5倍速看完，记了整整十页的笔记，才算对知识
王昊奋知识图谱学习笔记--第一讲知识图谱概述
第一部分 知识图谱概述 从链接文本到链接数据 事物的类型很多 一个人、一本书、一个抽象的概念。都可以是作为事物。 事物之间有多种类型的连接 一个节点代表实体，边表示实体的属性或者实体与实体间的关系。 知识图谱的发展 知识图谱在2012年由Google提出。其前身称之为语义网络。 知识图谱的应用 辅助搜索 Web的理想是万物的链接，搜索的理想是事物的搜索。基本知识图像，去实现从
王昊奋知识图谱学习笔记--第三讲知识抽取与知识挖掘（上）
本文是基于王昊奋老师的知识图谱入门教程第三讲内容的学习笔记。总体来说，这节课介绍了知识图谱三种数据源，以及针对每种数据源实现的知识抽取方法，最后介绍了一个关于佛学知识图谱的实现案例，并留了两道基于正则表达式实现知识抽取的作业。 因为视频内容过于丰富，我个人有针对性的学习了第一部分，即针对非结构化的知识抽取，也就是关于文本的处理。而对于结构化的数据，和半结构化的数据，仅作为了解，笔记总结的内容不够
王昊奋知识图谱学习笔记--第二讲知识表示与知识建模
知识表示语言 RDF / RDFS RDF 资源描述框架 Resource:资源；Description:属性、特征、关系；Framework:框架、语言和描述的语法。 RDF 中，知识总是以三元组（triple）形式出现: 主+谓+宾 举例说明：将一条语句，转换为两条三元组。 RDF 可以被看做一个图。 在RDF三元组中，三元组的主谓宾都有一个全局标识URI。 RDFS
新KG视点 | 王昊奋梁磊——新一代工业级知识图谱语义框架
OpenKG 大模型专辑 导读 知识图谱和大型语言模型都是用来表示和处理知识的手段。大模型补足了理解语言的能力，知识图谱则丰富了表示知识的方式，两者的深度结合必将为人工智能提供更为全面、可靠、可控的知识处理方法。在这一背景下，OpenKG组织新KG视点系列文章——“大模型专辑”，不定期邀请业内专家对知识图谱与大模型的融合之道展开深入探讨。本期邀请到同济大学特聘研究员王昊奋和蚂蚁集团梁磊分享“新
【知识图谱】王昊奋-第2课笔记-知识表示与知识建模
(未完待续) 一、早期知识表示简介 1. 知识是智能的基础，推理和学习一样重要。 2. 知识的特性：相对正确性、不确定性、可表示性和可利用性。 3. 知识分类：常识+领域、事实+过程+控制、确定+不确定、逻辑+形象。 4. 早期知识表示方法 （1）一阶谓词逻辑：Horn逻辑（子集）、描述逻辑（可判定子集，O:=<TBox,ABox>） （2）产生式规则：if-then结构 （3）
《知识图谱》-王昊奋-读书笔记2-知识图谱的数据存储
一、知识图谱数据存储工具 1. 开源工具简介 三元组数据库 Apache Jena。Jena 是一个 Java 框架类库。Jena 为了用户使用方便，提供了一个名为 Fuseki 的独立 RDF数据库 Web 应用程序。 本实验使用 Fuseki 作为认识知识图谱数据库的入门工具。 内容包括： Jena Fuseki 的安装，启动 Fu
王昊奋知识图谱学习笔记--第三讲知识抽取与知识挖掘（下）
第一部分 DeepDive 知识抽取实战 注意：iDeepDive 仅支持Liux或者Mac，不支持Windows。 1.1 工程组成 1.2 先验数据导入 1.3 待抽取文章导入 1.4 流程 1.5 文章数据预处理 对文章进行自然语言处理，包括分词、词性标注、命名实体识别等操作。 在app.ddlog 中利用nlp.markup.sh 这个脚本去实现NLP的处理，