-
Limes:实体链接发现框架
OpenKG搜集和整理知识图谱相关的技术工具，并将组织开展技术评测。 Limes是一个基于度量空间的实体链接发现框架，结合了数学统计，前缀后缀，位置过滤来计算相似率。这个相似率用来过滤掉不符合匹配条件的实体对，以此减少比较时间复杂度，提高效率。 -
DocEE：篇章事件抽取框架
面向中文篇章事件抽取任务的框架，支持PTPCG、Doc2EDAG、GIT等多种SOTA模型。 -
DeepOnto: 基于深度学习和语言模型的本体工程Python工具包
DeepOnto是一个进行本体工程化的Python工具包。它提供了OWL ontology的处理API，使得深度学习算法和语言模型工具能更方便地被应用到本体工程，并且它实现了若干本体对齐，本体补全等工具。 -
NeuralKG:浙江大学开源知识图谱表示学习工具
NeuralKG工具包整体基于PyTorch Lightning框架，提供了用于多种知识图谱表示学习模型的通用工作流程，并且高度模块化。NeuralKG具有如下特性： 支持多种方法。 NeuralKG提供了对三类知识图谱嵌入方法的代码实现，包括传统知识图谱嵌入,基于图神经网络的知识图谱嵌入,以及基于规则的知识图谱嵌入。... -
DeepKE：浙江大学基于深度学习的开源中文知识图谱抽取工具
DeepKE是一个开源和可扩展的知识图谱抽取工具，支持常规全监督、低资源少样本和文档级场景，覆盖各种信息抽取任务包括命名实体识别、关系抽取和属性抽取。通过一个统一的框架，DeepKE... -
RapidMinerKE - 基于RapidMiner平台的知识表示学习增强框架
知识表示学习旨在将知识图谱中的实体和关系表示为低维稠密的向量。大多数现有的研究只利用结构信息来学习这些向量。我们研究OWL 2... -
支持中文的deepdive：斯坦福大学的开源知识抽取工具（三元组抽取）
deepdive是由斯坦福大学InfoLab实验室开发的一个开源知识抽取系统。它通过弱监督学习，从非结构化的文本中抽取结构化的关系数据 。本项目修改了自然语言处理的model包，使它支持中文，并提供中文tutorial。后续将持续更新一些针对中文的优化。 -
HanLP: Han Language Processing
HanLP是由一系列模型与算法组成的Java工具包，目标是普及自然语言处理在生产环境中的应用。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。 HanLP提供下列功能：分词、词性标注、命名实体识别、关键词抽取、自动摘要、短语提取、拼音转换、简繁转换、文本推荐、依存句法分析等。 -
回答集程序（Answer Set Programming）求解器groc
回答集程序（Answer Set Programming），简称ASP，是一个描述性编程语言（Declarative Programming Language），是人工智能知识表示领域中最重要的几个语言之一。很多知识并不适合用经典一阶逻辑（First-Order... -
Jena:建立链接数据的java框架
OpenKG搜集和整理知识图谱相关的技术工具，并将组织开展技术评测。 Jena，用来构建语义Web和关联数据的免费、’开源的Java框架。 它为RDF，RDFS和OWL，SPARQL，GRDDL提供了一个编程环境，并且包括基于规则的推理引擎。 -
SparkSRE-基于Spark的语义推理引擎
SparkSRE是一个基于分布式内存计算框架Spark的语义推理引擎实现方案。该实现方案充分利用了Spark具有的分布式内存抽象弹性分布式数据集RDD，将语义推理的算法转换成在RDD之上的各种变换操作，最终实现面向语义Web领域RDFS规则集、OWL Horst规则集和通用形式规则的语义推理能力。