找到44个数据集

分类: 其他

过滤结果
  • WN18知识表示数据集

    开源图谱评测数据
  • FB15k-237知识表示数据集

    开源图谱评测数据
  • FB15k知识表示数据集

    开源图谱评测数据
  • 立体化漏洞情报知识图谱

    随着时间的推移,攻防技术的不断提升,组件的漏洞与日俱增,随之出现的各类漏洞情报也如雨后春笋一般疯狂涌现,使技术人员在想快速、全面地搜集漏洞情报时,会应接不暇,无法把握情报中心。 虽然,市面上已经出现许多漏洞情报平台来帮助大家去搜集情报,管理情报。但不同厂家的漏洞情报平台的内容侧重点也都有倾侧。...
  • 鸟类百科知识图谱

    本项目的知识基于中国环境与发展国际合作委员会生物多样性工作组补全的《中国鸟类野外手册》 的电子版,以CHM 文件格式存储。该格式是微软于 1998 年推出的基于 HTML 文件特性的帮助文件系统,可以理解为HTML的打包文件。将CHM文件抽取出来,就能得到其中的HTML文本。...
  • KZSL -知识驱动的零样本学习开放资源

    语义信息的提出为零样本学习(Zero-shot Learning,...
  • RCWI-Dataset

    中文相对复杂词汇识别数据集
  • Benchmark of Incoherent Ontologies

    关于不协调本体处理工具的测试数据集
  • 数地搜搜:事理驱动的全网实时事件数据库分析引擎

    数地搜搜,事理驱动下的全网实时事件数据库分析引擎,通过挖掘因果原子事件,以全网数千家网页新闻为数据源,经过事件去重、事件聚类、事件提取、事件实体链接等技术,形成以因果事件为核心的大规模实时事件数据库。通过结合数据、融合推理的方式,实现对特定事件的综合分析。
  • 春秋战国知识图谱(人工构建)

    春秋战国历史一直被广大历史爱好者津津乐道。本人出于爱好,构建了春秋战国知识图谱,包含该历史期间出现的人物、人物之间的复杂关系和喜闻乐见的历史事件信息,希望能够给广大历史爱好者带来知识的梳理。同时,知识图谱技术人员,也可以基于该知识图谱构建问答或者可视化分析工具,提供给历史爱好者进行分析与研究。 纯手工制作,图谱质量有保障
  • 面向试验鉴定的命名实体识别任务

    本次评测任务依托Biendata平台展开,将采取刷榜的方式,验证集发布后,允许参赛队伍每天至多向平台提交一次结果,格式与任务描述中的示例输出相同,取四个预定义类各自F1值的算数平均值,作为排名依据,排名每小时更新一次。参赛队伍可在测试集发布之前随时上传验证集的计算结果,平台管理系统会及时更新各队伍的最新排名情况,验证集榜不计入比赛最终成绩。...
  • OpenKG 精选文章汇编(2020 年度)

    2020 年我们总共分享了 144 篇文章,其中原创文章 69 篇,内容涵盖了知识 图谱的方方面面,包括开源开放、领域应用、技术动态、论文浅尝、会议研讨等 多个主题。截止目前,公众号总订阅数已达 3.1 万人,全年累计阅读量达 58 万 +,累计阅读人数达 41 万+。 今年的汇编我们分解为“论文浅尝”、“开源开放”和“技术前线” 三个...
  • 安防行业知识图谱-熵简科技

    There is no description for this dataset

  • 军事主题分类表(中英文)

    There is no description for this dataset

  • 大规模1.4亿中文知识图谱开源下载

    知识图谱可视化:https://www.ownthink.com 本次ownthink开源了史上最大规模的中文知识图谱,数据是以(实体、属性、值),(实体、关系、实体)混合的形式组织,数据格式采用csv格式。 使用方式见GitHub: https://github.com/ownthink/KnowledgeGraphData 下载方式:...
  • 《大词林》开源75万核心实体和围绕核心实体的细粒度概念、关系列表

    开源了《大词林》中的75万的核心实体,和该核心实体对应的细粒度概念词(共1.8万概念词,300万实体-...
  • BasketballKG

    BasketballKG 篮球知识图谱库文件构成: Neo4jData目录为篮球相关的知识图谱,以Neo4j知识图谱库的形式存储; knowledgeGraph目录为实现新闻自动生成时调用的知识图谱数据,以Python语言可调用的方式存储; 图谱数据...
  • MEIRec-Pytorch

    论文Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation 数据,基于pytorch实现模型
  • TechKG10

    TechKG10是从TechKG中抽取的子集,共包含38个领域,由“东北大学-知识图谱研究组”开发完成。抽取规则如下:1)领域术语的tf*idf在前10%;2)每个实体至少出现在10个三元组中。
您也可以使用应用程式界面 (看 API文献)注册.