知识图谱构建举例
笔者在去年的时候,给出了利用深度学习来构建知识图谱的一次尝试,文章为:利用关系抽取构建知识图谱的一次尝试 ,本文将会更出更多的例子,也是笔者近一个星期的忙碌结果。
下面为知识图谱构建的例子,由笔者原创,是从新闻或者小说中直接抽取而来,加上大量时间的人工整理而得到,下面的图片是从Neo4J导出并截图。
例子1:《平凡的世界》实体关系图(局部):
例子2:《白鹿原》实体关系图(局部):
例子3:政治新闻实体关系图(局部):
例子4:《神雕侠侣》实体关系图(局部):
例子5:《明朝那些事儿》实体关系图(局部):
例子6:《曾国藩》实体关系图(局部):
以上展示的图以及数据放在Github上,网址为: https://github.com/percent4/knowledge_graph_demo 。
关于这方面的技术和数据将会在不久后公开,代码和数据已经放在Github上,网址为: https://github.com/percent4/spo_extract_platform ,笔者将会另写文章来介绍。
感觉大家的阅读,笔者将会在不久之后公开该技术的源代码和数据,敬请期待~
欢迎大家关注我的微信公众号:
NLP奇幻之旅
。
好兆头450: Embedding/Chinese-Word-Vectors这个库里面找,维基百科第三个模型
asgus: 请问能在移动端运行吗
ππer: 有一个小疑问,既然在Trainer类中传入了tokenizer,那为什么还要先把raw_datasets转换为分词后的tokenized_datasets再送入Trainer中呢?在Trainer中不会利用传入的tokenizer对raw_datasets进行分词吗?
Crystal·Stanly: 感谢分享,不过这个模型英译中翻译的不行
会飞的尼古拉斯: 8090不是adminserver的端口嘛,8080是configserver