知识图谱学习资料汇总
持续更新中…
知识图谱介绍
（1）知识图谱入门笔记（参考王昊奋）
知乎：https://zhuanlan.zhihu.com/c_211846834
（2）Mining Knowledge Graphs from Text
Tutorial：https://kgtutorial.github.io/aaai.html
（3）知识图谱综述
博客：https://www.zhongxiaoping.cn/2018/06/23/%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%BB%BC%E8%BF%B0/
（4）知乎：Knowledge Graph（知识图谱）
https://zhuanlan.zhihu.com/p/53753234
知识图谱综述
（1）paper：知识图谱研究进展 (2017), 漆桂林等人.
（2）paper：知识图谱构建技术综述 (2016), 刘峤等人.
（3）paper：知识图谱技术综述 (2016), 徐增林等人.
知识表示
知识图谱分布表示（Knowledge Graph Embedding）：
（1）知乎 论文简介：https://zhuanlan.zhihu.com/p/30320631
（2）博客 论文总结：https://www.twblogs.net/a/5b7c467e2b71770a43da3375
知识推理
按照解决方法分类可分为：基于描述逻辑的推理、基于规则挖掘的推理、基于概率逻辑的推理、基于表示学习与神经网络的推理。
按照推理类型分类可分为：缺省推理、连续变化推理、空间推理、因果关系推理等等。
关系抽取
根据关系抽取方法的不同，可以将其分为:基于模板的方法(触发词的Pattern, 依存句法分析的Pattern)、基于监督学习的方法(机器学习方法)、弱监督学习的方法(远程监督、Bootstrapping)。
事件抽取
(1)知乎：聊聊“事件抽取”
https://zhuanlan.zhihu.com/p/27840591
异构信息网络
异构信息网络：Heterogeneous Information Networks
(1)paper: 2007HeteSim: A General Framework for Relevance Measure in Heterogeneous Networks.
https://arxiv.org/pdf/1309.7393.pdf
(2)paper: 2011PathSim: Meta Path-Based Top-K Similarity Search in Heterogeneous Information Networks.
(3)paper: 2016Avgsim: Relevance Measurement on Massive Data in Heterogeneous Networks.
(4)paper: 2016Meta Structure— Computing Relevance in Large Heterogeneous Information Networks.
(5)paper: 2016Semantic Proximity Search on Graphs with Metagraph-based Learning.
(6)paper: 2017Meta-Graph Based Recommendation Fusion over Heterogeneous Information Networks.
(7)paper: 2017 Meta Structures in Knowledge Graphs.
(8)博客：异构信息网络+推荐===总结
https://blog.csdn.net/u013527419/article/details/73610233
知识问答
知识问答：KBQA(Knowledge-Based Question Answering)
KBQA常用的主流方法有基于模板的方法、基于语义解析的方法、基于深度学习的方法。
(1) 知乎：https://zhuanlan.zhihu.com/kb-qa
基于模板的方法：
(2)paper: 2012Template-based Question Answering over RDF Data
https://www2012.universite-lyon.fr/proceedings/proceedings/p639.pdf
知识图谱相关的推荐系统
(1)paper: 2018Improving Sequential Recommendation with Knowledge-Enhanced Memory Networks
https://dl.acm.org/citation.cfm?id=3210017
(2)paper:2019 Explainable Reasoning over Knowledge Graphs for Recommendation
https://arxiv.org/pdf/1811.04540.pdf
博客：https://zhuanlan.zhihu.com/p/51000072，文末有源码链接
(3)github论文清单：Must-read papers on Recommender System.
https://github.com/hongleizhang/RSPapers
知识图谱构建实例
（1）知识图谱-给AI装个大脑
知乎：https://zhuanlan.zhihu.com/knowledgegraph
code：https://github.com/SimmerChan/KG-demo-for-movie
（2）从零开始构建知识图谱
知乎：https://zhuanlan.zhihu.com/c_1018901137012928512
code：https://github.com/Pelhans/Z_knowledge_graph
（3）基于知识图谱的《红楼梦》人物关系可视化及问答系统
code：https://github.com/chizhu/KGQA_HLM
（4）Knowledge Graph Demo (上市公司高管图谱)
code：https://github.com/Shuang0420/knowledge_graph_demo
（5）农业知识图谱(AgriKG)：农业领域的信息检索，命名实体识别，关系抽取，智能问答，辅助决策
code：https://github.com/qq547276542/Agriculture_KnowledgeGraph
（6）证券系统的简单知识图谱
博客：https://blog.csdn.net/lt326030434/article/details/83507595
code: https://github.com/Maginaaa/SecuritiesKnowlegeGraph
（7）以疾病为中心的一定规模医药领域知识图谱
code：https://github.com/qq547276542/Agriculture_KnowledgeGraph
知识图谱相关平台
(1)中国中医科学院中医药信息研究所：中医药知识图谱
http://tcmkb.cn/kg/index.php
附有相关论文
(2)北京师范大学互联网教育智能技术及应用国家工程实验室:唐诗别苑–基于知识图谱的全唐诗语义检索与可视化平台
http://poem.studentsystem.org/index
(3)清华大学开源OpenKE: 知识表示学习平台
http://139.129.163.161//
github相关源码：https://github.com/thunlp/OpenKE
(4)OpenKG: http://openkg.cn/home
内有很多资源和数据