https://wiki.swarma.org/index.php?action=history&feed=atom&title=%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%9A%84%E7%A7%91%E5%AD%A6%E5%9B%BE%E8%B0%B1 2026-11-03T01:55:58Z 本wiki的该页面的版本历史 MediaWiki 1.35.0 https://wiki.swarma.org/index.php?title=%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%9A%84%E7%A7%91%E5%AD%A6%E5%9B%BE%E8%B0%B1&diff=34791&oldid=prev 2024-05-21T09:12:32Z

<p><span dir="auto"><span class="autocomment">参考文献</span></span></p> <table class="diff diff-contentalign-left diff-editfont-monospace" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="zh-Hans-CN"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">←上一版本</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2024年5月21日 (二) 09:12的版本</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l29" >第29行：</td> <td colspan="2" class="diff-lineno">第29行：</td></tr> <tr><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[6] Socher, R., Chen, D., Manning, C. D., &amp; Ng, A. (2013). Reasoning with neural tensor networks for knowledge base completion. In Advances in Neural Information Processing Systems (pp. 926-934).</div></td><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[6] Socher, R., Chen, D., Manning, C. D., &amp; Ng, A. (2013). Reasoning with neural tensor networks for knowledge base completion. In Advances in Neural Information Processing Systems (pp. 926-934).</div></td></tr> <tr><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[7] Dong, X., Gabrilovich,E., Heitz, G., Horn, W., et al. Knowledge Vault A web-scale approach to probabilistic knowledge fusion. In Proceedings of KDD.</div></td><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[7] Dong, X., Gabrilovich,E., Heitz, G., Horn, W., et al. Knowledge Vault A web-scale approach to probabilistic knowledge fusion. In Proceedings of KDD.</div></td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>[[<del class="diffchange diffchange-inline">category</del>:<del class="diffchange diffchange-inline">旧词条迁移</del>]]</div></td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>[[<ins class="diffchange diffchange-inline">Category</ins>:<ins class="diffchange diffchange-inline">待润色</ins>]]</div></td></tr> </table>

Gyt666 https://wiki.swarma.org/index.php?title=%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%9A%84%E7%A7%91%E5%AD%A6%E5%9B%BE%E8%B0%B1&diff=15452&oldid=prev 2020-10-16T05:08:00Z

<p>创建页面，内容为“The science map of knowledge graph. ==知识图谱是啥？== 知识图谱（Knowledge Graph）是当前学术界和工业界的研究热点，旨在描述真实世…”</p> <p><b>新页面</b></p><div>The science map of knowledge graph.<br /> <br /> ==知识图谱是啥？==<br /> 知识图谱（Knowledge Graph）是当前学术界和工业界的研究热点，旨在描述真实世界中存在的各种实体或概念。其中每个实体或概念用一个全局唯一确定的ID来标识，称为它们的标识<br /> 符。每个“属性-值”键对用来刻画实体的内在特性，关系用来连接两个实体，表示它们之间的关联。有人认为，知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。目前，在知识图谱领域用到的技术有：实体识别、关系识别、主题模型、文档分类、图数据库、Elastic search、知识建模、人机交互、推理机等等。Google、Wikipedia等公司都在进行相关的研究应用，2012年Google推出自己的第一版知识图谱，Google Knowledge Graph是Google的一个知识库，其使用语义检索从多种来源收集信息，以提高Google搜索的质量。<br /> <br /> 利用知识图谱的原理方法结合科学计量学方面的计算进行研究，是现在的一大热点。这些研究的基本思路是利用科学知识图谱的分析软件，以科研文献数据库为数据集，构建出不同文献之间的引用关系网络等语义网，结合关键词分析、共词分析、作者关联分析等方法，表现出不同的研究主题历年关注度的时间演化规律，揭示相关科学领域的历史脉络以及发展趋势。目前，应用较多的是结合Citespace软件作为工具，主要研究分析WoS数据库里文献资料，通过设定某一主题词，从数据库里导出相应的文献数据，再利用Citespace进行各个视角的分析。<br /> <br /> ==操作方法==<br /> WoS数据库收录了上万种权威性的学术期刊，这些期刊包括了各个科学研究领域。WoS数据库的文献索引信息比较齐全，是科学计量学领域常用的数据库。<br /> <br /> 在WoS检索数据库里以 knowledge graph 为主题进行检索，时间区间设置为2000-2015。最终得到4,071条来自 Web of Science 核心合集的检索结果。L利用Citespace软件，对检索得到的4071条记录进行初步的分析，初步得到图1的结果：<br /> <br /> [[File:kg00.png]]<br /> <br /> 可以看到2010年Fortunato的一篇文章在knowledge graph领域受到了极大的关注和引用。<br /> <br /> 通过聚类分析，可以发现，在2000-2015年，knowledge graph领域的研究人员关注的热点主要有图2中的7个方面：<br /> <br /> [[File:kg01.png]]<br /> <br /> ==参考文献==<br /> <br /> [1] 刘峤, 李杨, 段宏, 等. 知识图谱构建技术综述[J]. 计算机研究与发展, 2016, 53(3): 582-600.<br /> [2] 李明鑫, 王松. 近十年国内知识图谱研究脉络及主题分析[J]. 图书情报知识, 2016 (4): 93-101.<br /> [3] 王仁武, 袁毅, 袁旭萍. 基于深度学习与图数据库构建中文商业知识图谱的探索研究[J]. 图书与情报, 2016, 160(01): 110-117.<br /> [4] http://www.cipsc.org.cn/kg3/<br /> [5] Nickel, M., Murphy, K., Tresp, V., &amp; Gabrilovich, E. A Review of Relational Machine Learning for Knowledge Graphs.<br /> [6] Socher, R., Chen, D., Manning, C. D., &amp; Ng, A. (2013). Reasoning with neural tensor networks for knowledge base completion. In Advances in Neural Information Processing Systems (pp. 926-934).<br /> [7] Dong, X., Gabrilovich,E., Heitz, G., Horn, W., et al. Knowledge Vault A web-scale approach to probabilistic knowledge fusion. In Proceedings of KDD.<br /> [[category:旧词条迁移]]</div>

小趣木木