【知识图谱】HugeGraph Hubble

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了【知识图谱】HugeGraph Hubble相关的知识,希望对你有一定的参考价值。

参考技术A

  通过创建属性库,顶点类型,边类型,索引类型,实现图模型的构建与管理,平台提供列表模式和图模式两种模式,可实时展示元数据模型,更加直观。同时还提供了跨图的元数据 复用功能 ,省去相同元数据繁琐的重复创建过程,极大地提升建模效率,增强易用性。
  在元数据管理中,需要先创建属性,再进行定点类型、边类型的创建。属性支持single、list、set三种基数, 属性一旦创建无法通过可视化交互形式修改,顶点、边中的属性也不支持删除操作。

  通过创建导入任务,实现导入任务的管理及多个导入任务的并行运行,提高导入效能.
  数据导入目前仅支持csv格式的数据,可中途保存设置,导入过程中提供数据约束——边连接的顶点是否存在的检查。

  支持Apache TinkerPop3的图遍历查询语言 Gremlin ,除了查询之外还可实现顶点/边的创建及删除、顶点/边的 属性修改 等。
  除了全局的查询外,可针对查询结果中的顶点进行深度定制化查询以及隐藏操作,实现图结果的定制化挖掘。

  元数据管理中的编辑功能较弱,一旦新建后的顶点、边、属性通过可视化交互形式只能实现新增,无法修改。可以直接全部删除顶点、边、属性,或通过查询语言进行顶点/边的属性修改。 这一点是Nebula的优势(对属性的修改不改变已入库数据,比如删除某个属性后数据仍在,只是可视化不见了;改变属性类型如由string改int不报错,已入库的数据仍是string类型),不过Huge的顶点、边的管理操作相对清晰一点。
  元数据管理提供图可视化模块,提供元数据复用板块,已建的元数据可以通过一键复用功能实现拷贝粘贴,减少重建工作量。(该元数据创建模块如果是通过查询语言构建,该部分可以通过查询语言复制粘贴实现)
  没有可视化的查询交互,但是提供了关于节点的部分可视化查询交互。

A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[二](DTransE/PairRE:基于表示学习的知识图谱链接预测算法)

推荐参考文章:
A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[一](基于距离的翻译模型:TransE、TransH、TransR、TransH、TransA、RotatE)

A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[二](DTransE/PairRE:基于表示学习的知识图谱链接预测算法)

A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[三](基于语义的匹配模型:张量分解模型RESCAL、ComplEx神经网络SEM,NAM),OpenKE工具包。

A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[四](基于图传播的模型:node2vec、GCN、Graphsage、GeniePath等)算法汇总和应用场景归纳

0.前言

0.1背景

知识存储:以三元组(head entity, relation, tail entity)为主,如下图所示,其中(Y,isFatherO

以上是关于【知识图谱】HugeGraph Hubble的主要内容,如果未能解决你的问题,请参考以下文章

A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[五]-GeniePath会自动过滤多度“邻居“的图神经网络算法。

A.特定领域知识图谱知识推理方案:知识图谱推理算法综述[四](基于图传播的模型:node2vecGCNGraphsageGeniePath等)算法汇总和应用场景归纳

图神经网络及其在知识图谱中的应用

特定领域知识图谱知识融合方案(实体对齐):基于图神经网络的商品异构实体表征探索

###好好好###############基于图模型的智能推荐(含知识图谱/图神经网络)

知识图谱概述之笔记1