知识图谱

首页 标签 知识图谱
# 知识图谱 #
关注
3326内容
知识图谱实战开发案例剖析(1)
一、前言   这是系列博文《知识图谱实战开发案例剖析》第1部分:知识图谱基础,第一节:知识图谱完整案例演示。该系列内容同时已经录制成视频课程,感兴趣的可以访问网易云课堂。作者:张子良,版权所有,转载请注明出处。
ELK菜鸟手记 (三) - X-Pack权限控制之给Kibana加上登录控制以及index_not_found_exception问题解决
0. 背景 我们在使用ELK进行日志记录的时候,通过网址在Kibana中查看我们的应用程序(eg: Java Web)记录的日志, 但是默认是任何客户端都可以访问Kibana的, 这样就会造成很不安全,我们应该设置相应的用户名和密码, 只有通过登录用户名和密码才能通过Kibana查看我们的日志。
迈向电商认知智能时代的基石:阿里电商认知图谱揭秘
电商平台最大的挑战是从日益增长的海量商品(数十亿)中挑选出的一个小的子集(几十或上百)展示给用户,以满足用户的个性化的购物需求。
| |
来自: 云存储
AAAI 2020: 时序转化为图用于可解释可推理的异常检测
Time2Graph: Revisting Time Series Modeling with Dynamic Shapelets 原文地址 整体导读 文章提出了带有时间意识的Shapelet,除了可以挖掘时序中的异常状态之外,可以自动感知异常状态所在时间位置上的敏感度; 文章尝试捕捉不同Shapelet之间的关系,提出了通过图结构(Graph)对这种关系进行表达的方法,在挖掘异常变化轨迹的同时也具备良好的可解释性。
《中国人工智能学会通讯》——2.9 国内外研究现状
本节书摘来自CCAI《中国人工智能学会通讯》一书中的第2章,第2.9节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。
《中国人工智能学会通讯》——7.23 知识图谱在信息检索中的应用
本节书摘来自CCAI《中国人工智能学会通讯》一书中的第7章,第7.23节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。
揭秘工业级大规模GNN图采样
互联网下的图数据纷繁复杂且规模庞大,如何将GNN应用于如此复杂的数据上呢?答案是图采样。结合阿里巴巴开源的GNN框架Graph-Learn(https://github.com/alibaba/graph-learn),本文重点介绍GNN训练过程中的各种图采样和负采样技术。
《中国人工智能学会通讯》——12.51 现有知识图谱资源
本节书摘来自CCAI《中国人工智能学会通讯》一书中的第12章,第12.51节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。
免费试用