Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/xianghuisun/Chinese_KGQA

该仓库目的是实现基于知识图谱的中文问答系统
https://github.com/xianghuisun/Chinese_KGQA

Last synced: 3 months ago
JSON representation

该仓库目的是实现基于知识图谱的中文问答系统

Awesome Lists containing this project

README

        

# Chinese_KGQA
**该仓库目的是收集、整理基于知识图谱的中文问答系统的相关研究工作,实现一个基于知识图谱的中文问答系统**

- code文件夹下存放问答模型,每一个模型是一个文件夹,用模型的名称命名
- data文件夹下存放问答数据集
- kg文件夹下存放知识图谱
- png文件夹下存放所需要的图片
- result文件夹下记录code文件夹下的每一个模型在data文件夹下的每一个数据集上的实验结果
- notebook文件夹下存放问答模型,每一个模型是一个文件夹,用模型的名称命名。与code文件夹不同的是notebook文件夹下的代码以notebook展示,尽可能的展示问答模型的细节
- **kgclue文件夹存放[KgCLUE](https://github.com/CLUEbenchmark/KgCLUE)评测榜的代码和实验记录**

## kgclue文件夹

[KgCLUE](https://github.com/CLUEbenchmark/KgCLUE)是一个大规模中文开源知识图谱问答项目,提供了[评测榜](https://www.cluebenchmarks.com/kgclue.html)。

该文件夹下的子文件夹以实验模型的名称命名,对应的README文件介绍了每一个实验模型以及评测分数

## code文件夹

该文件夹下的子文件夹都是以模型名称命名,目前包括:

- [TransferNet](https://github.com/shijx12/TransferNet)
- [Embed-KGQA](https://github.com/malllabiisc/EmbedKGQA)

## data文件夹

该文件夹下的子文件夹都是以QA数据集名称命名,目前包括:

- WebQSP
- nlpcc2018(官网:http://tcci.ccf.org.cn/conference/2018/taskdata.php,选择task7,Open Domain Question Answering,即可下载数据集。数据集包含知识图谱和问答数据)

## kg文件夹

该文件夹下的子文件是以知识图谱的名称命名,目前包括:

- fbwq_full(来源https://drive.google.com/file/d/1uWaavrpKKllVSQ73TTuLWPc4aqVvrkpx/view?usp=sharing,也就是[Embed-KGQA](https://github.com/malllabiisc/EmbedKGQA)给出的整理好的知识图谱)
- nlpcc2018(来源就是官网http://tcci.ccf.org.cn/conference/2018/taskdata.php中下载的知识图谱)
- PKU(北大的中文百科知识图谱。链接:https://pan.baidu.com/s/1Br8eU60t2fV4crtC2HOlSg 提取码:tvv1)

## 相关工作和资源总结

### 博客

1. [开放知识图谱](https://blog.csdn.net/TgqDT3gGaMdkHasLZv)

### GitHub链接

#### 关于KGE

| 链接 | 说明 | 备注 |
| ---------------------------------------------------- | ------------------------------------------------ | ------------------------------------------------------------ |
| https://github.com/uma-pi1/kge/ | 专门用于KGE的仓库,实现了诸多KGE模型 | 代码看的有点懵 |
| https://github.com/Sujit-O/pykg2vec | 另一个专门用于KGE的仓库,实现了诸多KGE模型 | 目前还不清楚和上个kge仓库哪个好用 |
| https://github.com/facebookresearch/PyTorch-BigGraph | 专门针对超大规模知识图谱嵌入、存储以及应用的仓库 | |
| https://github.com/facebookresearch/kbc | BigGraph中的一个子模块,专门实现了ComplEx模型 | 代码量简洁,很方便的实现ComplEx模型在FB15k和其他数据集的实验 |

#### 关于KGQA

| 链接 | 说明 | 备注 |
| ----------------------------------------- | ------------------------------ | ---- |
| https://github.com/malllabiisc/EmbedKGQA/ | ACL2020论文EmbedKGQA的源码 | |
| https://github.com/shijx12/TransferNet | EMNLP2021论文TransferNet的源码 | |

#### 其它

| 链接 | 说明 | 备注 |
| --------------------------------------------- | ------------------------------------------------------------ | ------------------------------------------ |
| https://github.com/BDBC-KG-NLP/QA-Survey | 北航某个团队的项目,对问答系统的总结,包括各种任务问答(文本、图谱等)。 | 总结的相当全面,包括学术界和工业界 |
| https://github.com/liuhuanyong/QAonMilitaryKG | 360某个NLP专家的代码,军事领域知识图谱问答系统。 | 这个专家的GitHub仓库很多都是关于知识图谱的 |
| https://github.com/BshoterJ/awesome-kgqa | 该仓库主要记录了关于KGQA的一些资源,包括论文、比赛等 | |

### 论文

#### 综述

- [Knowledge Graph Embedding: A Survey of Approaches and Applications](https://persagen.com/files/misc/Wang2017Knowledge.pdf)
- [A survey of embedding models of entities and relationships for knowledge graph completion](https://arxiv.org/pdf/1703.08098.pdf)

#### KGQA

- [Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings](https://aclanthology.org/2020.acl-main.412.pdf)
- [TransferNet: An Effective and Transparent Framework for Multi-hop Question Answering over Relation Graph](https://arxiv.org/abs/2104.07302)

#### KGE

### 中文开放域知识图谱

- PKU(北大的中文百科知识图谱。链接:https://pan.baidu.com/s/1Br8eU60t2fV4crtC2HOlSg 提取码:tvv1)
- nlpcc2018(官网:http://tcci.ccf.org.cn/conference/2018/taskdata.php 选择task7 Open Domain Question Answering,即可下载数据集。数据集包含知识图谱和问答数据)
- 思知知识图谱(地址:https://www.ownthink.com/docs/kg/)
- KgCLUE(地址:https://github.com/CLUEbenchmark/KgCLUE)

这四个是比较大的开放域知识图谱,此外还有一些垂类领域如军事、医学、法律等领域的知识图谱,这里不再介绍。

### 中文问答数据(基于开放域知识图谱)

- ccks(https://github.com/pkumod/CKBQA/tree/master/data)
- nlpcc2018 (官网:http://tcci.ccf.org.cn/conference/2018/taskdata.php 选择task7 Open Domain Question Answering,即可下载数据集。数据集包含知识图谱和问答数据)
- KgCLUE(地址:https://github.com/CLUEbenchmark/KgCLUE)

### 个人总结的博客

尽量按照所列顺序阅读

1. [简要总结一篇知识图谱嵌入综述](https://blog.csdn.net/m0_45478865/article/details/121304792)
2. [简单实现几篇知识图谱嵌入(Knowledge Graph Embedding,KGE)模型](https://blog.csdn.net/m0_45478865/article/details/121195480)
3. [KGQA概览](https://blog.csdn.net/m0_45478865/article/details/121104817)
4. [EmbedKGQA论文简要解读](https://blog.csdn.net/m0_45478865/article/details/121203874)