-
基于 REfO 的 KBQA 实现及示例
这是一个基于 Python 模块 REfO 实现的知识库问答初级系统. 该问答系统可以解析输入的自然语言问句生成 SPARQL 查询，进一步请求后台基于 TDB 知识库的 Apache Jena Fuseki 服务, 得到结果. 这是一个入门级的例子. 内含介绍此项目的 README.pdf. 方便用户快速把握这个项目的想法. 希望用户体会默认的 3... -
基于elasticsearch的KBQA实现及示例
这是一个基于ElasticSearch实现的简单的基于知识库的问答系统。该问答系统可以解析输入的自然语言问句生成ES查询，然后执行得到结果。目前实现了按照名称检索实体，实体属性，多跳检索，以及检索符合多对属性要求的实体。 -
OpenUE 简单可用的通用自然语言信息抽取工具（浙江大学）
OpenUE 是一个轻量级知识图谱抽取工具。 特点 基于预训练语言模型的知识图谱抽取任务 (兼容BERT, Roberta等预训练模型.) 实体关系抽取 事件抽取 槽位和意图抽取 更多的任务 训练和测试接口 快速部署NLP模型 -
scikit-kge: MIT知识图谱embedding工具包
此工具包是有麻省理工大学( MIT )开发的python库，可用不同方法训练得到知识图谱的分布式表示结果，包含的知识图谱表示学习方法有： Holographic Embeddings (HolE) RESCAL TransE TransR ER-MLP