Advertisement

FB15k-Freebase

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
FB15k数据集是从Freebase中提取的一个知识图谱基准，包含14952个实体，53418种关系，旨在评估知识图谱嵌入模型在链接预测任务中的性能。 Freebase 是一个大型的结构化数据仓库，通过群体共建的方式构建。FB15k 是 Freebase 的一个子集。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • FB15k-Freebase
    优质
    FB15k数据集是从Freebase中提取的一个知识图谱基准，包含14952个实体，53418种关系，旨在评估知识图谱嵌入模型在链接预测任务中的性能。 Freebase 是一个大型的结构化数据仓库，通过群体共建的方式构建。FB15k 是 Freebase 的一个子集。
  • FB13-Freebase
    优质
    Freebase是由Google收购并开发的知识库系统，它提供了一个可共享、结构化的数据库，旨在收集世界上的所有知识。 数据集FB13是Freebase的一个子集，包含13种关系和75,000个实体。
  • FB15K数据集
    优质
    FB15K数据集是一个大规模的知识图谱基准数据集，包含来自Freebase的约14,951个实体和134,518个三元组，广泛应用于知识图谱嵌入模型的研究与评估。 对于训练过程而言，数据集包含三个文件：train2id.txt 文件用于存储训练三元组的数据，其第一行为训练的三元组数量；后续每一行都以 (e1, e2, rel) 的格式表示一个实体对及其关系。entity2id.txt 文件列出了所有实体及对应的编号，每行记录了一个实体和它的 ID 编号，并且文件的第一行为实体总数目。relation2id.txt 则是列出所有的关系类型以及它们的对应 ID 号码，同样地，此文件第一行表示总的关系数目。 在测试阶段，则会额外提供两个文件（总共五个）：test2id.txt 文件用于存储测试三元组的数据，格式与 train2id.txt 相同；valid2id.txt 为验证数据集的文件，其内容及结构也遵循 test2id.txt 的模式。
  • FB15K数据集.rar
    优质
    FB15K数据集包含Freebase知识图谱中约48万事实三元组的数据集合，广泛应用于链接预测等知识图谱任务的研究与开发。 知识图谱FB15K数据集是一个广泛使用的基准测试集合，用于评估链接预测模型的性能。该数据集中包含了大量的三元组（头实体、关系、尾实体），这些三元组来源于Freebase数据库，并经过特定的方式划分训练集、验证集和测试集。
  • FB2M数据（来自Freebase）
    优质
    FB2M数据集来源于知识库Freebase，它包含了丰富的实体与多样的关系类型，广泛应用于大规模图神经网络的研究和训练中。 freebase-FB2M数据 freebase-FB2M数据 freebase-FB2M数据
  • FB15k-237数据集.zip
    优质
    简介：FB15k-237数据集是一个用于知识图谱完成任务的基准数据集，旨在评估实体间关系预测模型的性能。包含超过十万条训练三元组及丰富的验证与测试集，是研究领域内的标准资源。 数据集FB15k-237是Freebase的一个子集，包含237种关系以及14,000多种实体。训练集中有271,115条三元组，验证集合中包括了17,535条三元组，而测试集合则含有20,466条三元组。
  • FB15K-237数据集版本
    优质
    FB15K-237是Freebase知识图谱的一个子集，作为链接预测任务的标准数据集，它通过去除对称和逆关系增强训练数据的挑战性。 数据集的原始来源可以在这里找到：https://www.microsoft.com/en-us/download/details.aspx?id=52312。该数据集由Toutanova和Chen发布。
  • FB15K 知识图谱数据集
    优质
    FB15K知识图谱数据集是Freebase数据库的一个子集，包含约27万实体和14.9万事实三元组，广泛用于链接预测、关系抽取等任务的研究。 知识图谱FB15K数据集是一个广泛使用的基准测试集合，用于评估在大规模知识库上执行的链接预测任务的效果。这个数据集包含Freebase的一部分，并且经过精心设计以促进关系路径的学习和推理能力的研究。它包含了各种实体及其之间的复杂关系，为研究者提供了一个丰富的资源来开发和完善他们的模型和技术。
  • KB4RecMovieLensDataProcessing: 用于处理Freebase、KB4Rec和MovieLens数据集的...
    优质
    简介：本文介绍了一种针对Freebase、KB4Rec及MovieLens数据集的数据处理方法，旨在提升推荐系统中电影信息的准确性和完整性。通过有效整合与清洗这些大型复杂数据库中的数据，我们能够优化用户个性化电影推荐体验，并增强系统的可扩展性。 kb4recMovielensDataProcessDirectoryQuick Start是一个用于处理freebase、kb4rec和movielens数据集的项目。如果你不关心具体的处理过程，可以直接使用data_set/ml文件夹下的文件。(ml文件夹包含ml-1m, ml-100k 和 ml-latest-small)。如果不需要保留freebase和movielens中的具体信息（如电影名称等），那么可以将ml/trainning 文件夹下的文件直接用于训练。 kg_index.tsv 是知识图谱三元组数据，其结构为entity_index、relation_index、entity_index。 rating_index.tsv是用户评分的三元组数据，其结构为user_index, movie_index 和 rating_flag。其中movie_index与kg_inde相关联。
  • 从Freebase的实体ID到实际数据的映射
    优质
    本文探讨了如何通过Freebase的实体ID获取其对应的实际数据的方法和技巧，帮助读者更好地理解和使用Freebase的知识库。 freebase的entity id到真实数据的映射如下： /m/0gw0 Anarchism /m/0gwj Autism /m/0gx0 Albedo /m/0gxj Abu Dhabi /m/0gy0 A /m/0gyh Alabama /m/0gy_ Achilles /m/0gzh Abraham Lincoln /m/0gz_ Aristotle /m/0g_h An American in Paris /m/0g__W Academy Award /m/0h0c Animalia (book) /m/0h0q International Atomic Time /m/0h16 Altruism /m/0h1p Ang Lee /m/0h25 Ayn Rand /m/0h2p Alain Connes /m/0h34 Allan Dwan /m/0h3y Algeria /m/0h53 Atlas Shrugged /m/0h5k Anthropology /m/0h61 Archaeology /m/0h6k Agricultural science /m/0h70 Alchemy /m/0h7j Automatic dependent surveillance /m/0h7x Austria /m/0h8d American Samoa /m/0h9c Astronomer /m/0hb8 Amoeboid /m/0hcr ASCII /m/0hd7 Animation /m/0hdr Apollo Andre Agassi