找到69个数据集

本项目主要是通过爬取1990年到2019年的的球员赛季表现，进行适当的数据处理和分析，从而构建了关于NBA球员表现的知识图谱。

本项⽬构建了⼩说《哈利·波特》中的各种实体（包括⼈物、物品、组织、概念等）以及它们之间关 系（包括⼈物与组织概念之间的从属关系以及⼈物关系等）的知识图谱。

《宝可梦》(英文名POKEMON)最早是一款由Game Freak和Creatures株式会社开发的一款角色扮演游戏，由于其有趣的世界设定和丰富的对战系统大受欢迎，逐渐衍生出了宝可梦系列游戏、动画、漫画等诸多作品。...

本图谱是基于对中国各个主要城市的地理位置接壤关系和城市属性构建的关联图谱，用户可以根据图谱对各个城市的关联关系和属性信息进行了解。我们通过使用neo4j构建图谱，并基于此实现了一个知识问答和搜索功能，并提供了可视化界面对图谱和信息进行查看。

哈利·波特的人物属性及关系信息知识图谱 我们利用爬虫在哈利·波特中文wiki网站爬取了所有人物的相关属性及人物间关系的信息，人物属性包括出生、职业、从属的组织等，并尝试利用深度抽取技术从书中抽取人物关系。我们将数据存储在neo4j数据库中，将人物、组织、学院等作为图谱中的节点，针对图数据做了相关的数据分析，并利用其支持了一些简单的知识问答操作。

漫威宇宙知识图谱构建——简略项目报告 1 项目背景及内容 漫威宇宙是由漫威影业基于漫威漫画角色制作的一系列电影组成的架空世界和共同世界。本项目尝试为漫威宇宙中出现的主要角色，构建一个知识图谱，帮助我们更深入地了解漫威宇宙。项目内容包括数据采集、知识存储、知识抽取、知识计算、知识应用五大部分。 2 数据采集与处理...

创新投资领域知识图谱，包括企业、投资机构、专利等实体类型及其关系，是实体和关系具有多类型和带属性特点，可用于对技术投资偏好进行基于知识图谱技术的挖掘，辅助进行投资决策。

Semantic Scholar数据集的知识图谱，展示了论文、论文作者、论文类别之间的关系。

本项目构建了基于neo4j数据库管理系统的大规模医疗知识图谱，并且提供了图形界面供用户进行问答对话

【使用说明】 1、本数据集是根据真实的病历分布由医渡云医学人工编辑而成； 2、本数据集只可以用于自然语言处理的学术科研，不可用于商业目的。 ———————————————— Yidu-S4K 数据集源自CCKS 2019 评测任务一，即“面向中文电子病历的命名实体识别”的数据集，包括两个子任务：...

【使用说明】 1、本数据集是根据真实的病历分布由医渡云医学人工编辑而成； 2、本数据集只可以用于自然语言处理的学术科研，不可用于商业目的。 ———————————————— Yidu-N4K 数据集源自CHIP 2019 评测任务一，即“临床术语标准化任务”的数据集。...

开放医疗与健康联盟（Open Medical and Healthcare Alliance，OMAHA）构建的医学知识图谱样例数据，目前已包括药品适应证和临床路径知识图谱。 完整数据包访问入口链接

87万实体概念描述知识库，基于开放文本挖掘而成，格式为[实体/概念，描述体，置信度]，...

这个是此次新冠图谱的数据规范要求，此数据集后续将集中发布各个图谱的Schema文件供大家重用。

本项目内容包括数据采集、知识存储、知识抽取、知识计算、知识应用五大部分 【1】数据采集 本次项目主要采集构建了两个知识图谱和一个关系抽取数据集 人物知识图谱：主要包含各个人物的信息 关系抽取数据集：标注出自然语言中存在的实体以及他们之间的关系 实体关系知识图谱：构建《海贼王》中各个实体之间关系的知识图谱 【2】知识存储 尝试使用了三元组数据库Apace...

BasketballKG 篮球知识图谱库文件构成： Neo4jData目录为篮球相关的知识图谱，以Neo4j知识图谱库的形式存储； knowledgeGraph目录为实现新闻自动生成时调用的知识图谱数据，以Python语言可调用的方式存储； 图谱数据...

关于英雄联盟游戏中物品装备的知识图谱 包括下列内容： 装备的名称、价格、出售价格等基本属性 装备合成线路图 装备的主动属性、唯一属性、’光环属性等 装备的适用地图等

1.利用Jieba分词对刘慈欣代表作《三体》进行人物实体抽取，在百度百科的知识链接上通过“https://baike.baidu.com/item/”+词条名 进行人物关系描述爬取，使用深度学习的方法，抽取实体之间的关系，所使用的工具包为kashgari； 2.基于cnSchema的核心classes与properties进行扩展；...

论文Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation 数据，基于pytorch实现模型

本项目构建了近年来热门动漫的相关信息的知识图谱 1.动漫信息爬取自百度百科、豆瓣。爬取的信息包括动漫的中文名、角色设计、类型、主要配音、导演、动画监督、首播电视台等信息并进行清洗。 2.基于D3可视化工具进行可视化，并提供搜索功能。用户可以在搜索框中输入想查询的动漫，网页会给出该动漫的相关信息，并隐藏额外的其他信息。