-
ChatKBQA: 基于微调开源大模型的知识图谱问答工具
在大语言模型（LLMs）的时代，我们引入了ChatKBQA，这是首个基于对开源LLMs（如Llama-2、ChatGLM2和Baichuan2）进行微调生成图数据库查询（如SPARQL）的知识图谱问答框架。... -
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。 -
北京大学图数据库-gStore
一种基于图的RDF存储和SPARQL查询系统(triplestore)；支持标准的RDF数据n3文件导入；标准SPARQL 1.1查询语句（含Union, Optional,... -
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... -
北京大学知识图谱自动化构建平台gBuilder
通过结合NLP技术、机器学习、人工智能、知识图谱、图数据库等众多技术，打造的一个针对结构化数据和非结构化数据的知识图谱自动化构建平台，实现数据向知识的转化。 -
OpenKG新冠知识图谱的SPARQL访问接口
本次在OpenKG所发布的新冠知识图谱数据基础上，将其转化为RDF三元组数据格式并导入gStore图数据库，提供基于云端的Endpoint接口服务；目前用户可以通过SPARQL查询语言进行访问；目前我们正在开发基于关键词等智能化访问接口，供大家学习和研究使用 -
FudanDNN-NLP4.2复旦深度网络中文自然语言处理系统
FudanDNN-... -
北京大学知识库问答系统-gAnswer
一个基于开放领域知识图谱的自然语言问答(QA)系统，能够将自然语言问题转化成包含语义信息的查询图，并将查询图转化成标准的SPARQL查询，将这些查询在图数据库(gStore)中执行，最终得到用户的答案。目前英文问答基于DBpedia2016数据集，中文问答基于PKU BASE。 -
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。 -
FudanDNN-NLP3.0：复旦深度网络中文自然语言处理工具
复旦深度网络中文自然语言处理工具FudanDNN-... -
KB2E: 清华大学知识图谱embedding工具包
此工具包中实现了目前效果较好的知识表示学习的方法，包括TransE, TransH, TransR and PTransE等，并且已在数据集FB15K和WN18上测试。 -
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。