问题标签 [knowledge-graph]

我目前正在研究 Python 客户端的 Grakn phone_calls 示例，并且正在玩一些。我目前尝试的是只获得 Grakn事物的某些属性。Python API 文档通知我使用并thing.attributes(attribute_types)声明 attribute_types 应该是 AttributeTypes 列表。

我尝试了以下传递 AttributeTypes 的 python 列表：

导致以下错误：

长话短说：我使用了一个 Amazon EC2 实例，并试图使用这个名为 Ampligraph 的包，它在内部使用 TensorFlow(TF)。我使用此安装指南通过 PIP 安装了它。我运行以下脚本将模型加载到系统中。

它给了我`AttributeError：模块'tensorflow'没有属性'random'

我关注了多个这样的 StackOverFlow 帖子，并了解到我拥有的 TF 版本有问题。

当我运行以下命令检查 TF 版本时

这就是我得到的：

所以，我知道TF的版本是1.0.1（最后一行）。

同样，我通过 pip 安装了 TF：

它安装成功。但是，当我运行命令检查 TF 版本时，它显示与上面相同的消息，并且版本仍然是 1.0.1

我究竟做错了什么？

对不起，很长的帖子谢谢！

我在 Sparql 中有一个很长的查询，我想按数字字段“sentiment”对结果进行排序，如果我在 SELECT 和 GROUPBY 中包含该字段，一切正常，否则会崩溃。但是我想呈现查询而不像在 SQL 查询中那样显示“情绪”字段。这在 SPARQL 中可行吗？

查询是：

如何在不显示“情绪”字段本身或总体上改进查询的情况下形成查询并对结果进行排序？

谢谢。

我正在尝试基于文本文档（非结构化数据）构建知识图谱。因此，我目前的方法是从数据中提取三元组并将它们发送到图形数据库，例如 neo4j 以进行进一步分析。然而我注意到的是，在三元组的构造中有很多，让我们称它们为“条件三元组”。一个例子：

提供以下“有趣”的三元组：

We thus need three 4 nodes:
1. Donald Trump
2. president-elect
2. republican party
2. July 2016

这些是可能与图中其他实体有有趣关系的 4 个节点。然而，我的困难（或怀疑）在于关系，这些似乎非常具体和漫长。

我不确定这是否真的是一个问题，或者包含如此长的关系是否是最佳实践，例如was president-elect for republican party since.

我考虑过创建遍历，例如：

这提供了更“简单”的关系，但是这是独特的遍历，因此其他遍历president-elects与该特定节点无关，for或since关系不再可以唯一地跟踪到Donald Trump.

因此，我现在倾向于应用更长的关系。因此，我的问题是：这是一种最佳实践方法，还是我错过了替代解决方案？

我是机器学习的新手，我正在尝试实现知识图并将其用于搜索目的（就像 Google 和 Bing 一样）。这是我的方法。我有一些文本文件。我对python很熟悉。

脚步：

1. 从文本文档中提取三元组。我正在考虑为此使用斯坦福 OpenIE。（有没有更好的可用于 python 的库？）。

提取三元组并将它们加载到 csv 中后，我的数据如下所示：

2. 将数据集导入 python 并根据TransH、TransE、ComplEx等任何模型对其进行训练。 3.然后使用Tensorflow和Ampligraph库（Ampligraph 示例）对其进行训练。

现在，一旦我获得了嵌入式模型，我该如何使用它来回答搜索查询？我如何将我的模型存储在数据库中，为此我应该使用什么数据库？

谢谢你。

附言。您可以访问“Ampligraph Example”的链接，了解训练后生成什么样的模型。

我有一个用例，我有几个 word 文件。目前我正在提取文本并将其存储在 Elasticsearch 中。从 Elasticsearch 中，在进行完整的短语查询时，我只得到哪个页面的得分最高及其内容。现在，我想从 Elasticsearch 返回的页面内容构建一个小型运行时知识图谱。基于该知识图，我想对特定问题给出具体答案。是否可以在 python 中构建运行时知识图并立即从该图中给出答案？请帮帮我。

我正在尝试按照 Stardog 教程使用虚拟图。

按照说明，我设置了$STARDOG_EXT环境变量。

JDBC 设置

Stardog 不附带 JDBC 驱动程序，因此您需要手动将包含 RDBMS 驱动程序的 JAR 文件复制到 Stardog 服务器的类路径中。这样做的首选方法是将STARDOG_EXT环境变量设置为指向 Stardog 安装目录之外的目录并将 jar 文件复制到那里：

我在上述位置复制了 JAR 文件，如下所示。

但是Unable to load class: org.postgresql.Driver在尝试使用 PostgreSQL 创建虚拟图时出现错误。

我的 PostgreSQL 属性文件 ( music.properties) 和映射文件 ( music_mappings.ttl) 位于 - ~/Workspace/Stardog/pgsql_demo.

我想开发一个推理系统，该系统将提供步骤/程序来解决用户面临的问题。示例：如果用户键入“请重置我的密码”，推理系统应该搜索知识是否有解决相同问题的步骤，然后返回所有步骤，如“转到 url”->“单击忘记密码”- >“输入新密码”等，如果用户键入另一个查询，如“请解锁我的帐户”，推理系统应通过现有知识并使用可用步骤向用户推荐。解决步骤可以与建议的密码重置问题步骤重叠。像“转到网址”这样的查询可能是这两个查询的共同步骤。

根据我对此的研究，我相信我需要首先创建所有解决步骤的知识图。但是，如果您可以建议如何继续使用它，因为有几种方法可以表示知识，但我无法看到如何创建链接解决步骤的知识库/图表以及如何推理它。因此，我在工作中使用 python，任何指导都会很有帮助。

我正在尝试使用 pytorch 重现论文中提出的模型的结果。该模型利用atttion机制来达到在知识图谱中进行关系预测的目的。主要分为图注意力网络（GAT）和卷积网络两部分。训练GAT的代码如下：

计算 GAT 损失的代码如下：

本文用于训练模型的数据集是 FB15k-237、NELL-995 和 umls。他们的训练集中三元组的数量是：272115、149678 和 5216。我成功地在所有三个数据集上重现了结果。但是，当我尝试使用新的数据集 YAGO3-10（具有 1079040 个训练数据）来训练模型时，出现 GPU 内存溢出错误。错误信息如下：</p>

我尝试过的方法如下：

1. 减少批量大小。减少后，它会在反向传播期间溢出。错误信息如下：

   Traceback (most recent call last): File "main.py", line 366, in <module> train_gat(args) File "main.py", line 242, in train_gat loss.backward() File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/tensor.py", line 107, in backward torch.autograd.backward(self, gradient, retain_graph, create_graph) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/autograd/__init__.py", line 93, in backward allow_unreachable=True) # allow_unreachable flag RuntimeError: CUDA out of memory. Tried to allocate 2.60 GiB (GPU 0; 15.77 GiB total capacity; 11.86 GiB already allocated; 2.42 GiB free; 511.96 MiB cached)

2. 使用 torch.cuda.empty_cache () 在反向传播之前删除无用的变量。但是，最大内存使用量似乎没有改变。

3. 使用dataparallel在两个GPU上训练模型，但没有运行成功，似乎是因为一些模型参数在不同的GPU上。错误信息如下：

   Traceback (most recent call last): File "main.py", line 377, in <module> train_gat(args) File "main.py", line 244, in train_gat Corpus_, Corpus_.train_adj_matrix_dim1, Corpus_.train_adj_matrix_dim00, Corpus_.train_adj_matrix_dim01 ,train_indices, current_batch_2hop_indices) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/modules/module.py", line 493, in __call__ result = self.forward(*input, **kwargs) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/parallel/data_parallel.py", line 152, in forward outputs = self.parallel_apply(replicas, inputs, kwargs) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/parallel/data_parallel.py", line 162, in parallel_apply return parallel_apply(replicas, inputs, kwargs, self.device_ids[:len(replicas)]) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/parallel/parallel_apply.py", line 83, in parallel_apply raise output File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/parallel/parallel_apply.py", line 59, in _worker output = module(*input, **kwargs) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/modules/module.py", line 493, in __call__ result = self.forward(*input, **kwargs) File "/home/user1/cxy/KBAT-2/models.py", line 148, in forward edge_list, edge_type, edge_embed, edge_list_nhop, edge_type_nhop) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/modules/module.py", line 493, in __call__ result = self.forward(*input, **kwargs) File "/home/user1/cxy/KBAT-2/models.py", line 55, in forward for att in self.attentions], dim=1) File "/home/user1/cxy/KBAT-2/models.py", line 55, in <listcomp> for att in self.attentions], dim=1) File "/home/user1/anaconda3/envs/stw/lib/python3.6/site-packages/torch/nn/modules/module.py", line 493, in __call__ result = self.forward(*input, **kwargs) File "/home/user1/cxy/KBAT-2/layers.py", line 140, in forward edge_m = self.a.mm(edge_h) RuntimeError: arguments are located on different GPUs at /opt/conda/conda-bld/pytorch_1556653183467/work/aten/src/THC/generic/THCTensorMathBlas.cu:255

4. 使用 apex 包进行 float16 计算。但是有些参数会报nan值，这可能是使用float16的原因。

后两种方法可能有效，但我没有成功运行代码。请问有没有人有使用上述方法的经验，或者有更好的建议。

由于篇幅限制，我无法展示所有代码。该模型的代码链接如下： https ://github.com/deepakn97/relationPrediction

所以，这可能是一个源于我缺乏知识的问题，但是作为知识库中的“关系”的质量是什么？

例如，如果我们有这样的句子：

我爸爸喜欢吃三明治。我爸爸还有一个弟弟。

在这个（相当随机的）例句中，我可以看出一个知识库三重示例可能是(My dad, likes, to eat sandwiches).

的例子(My dad, has, a brother)也有效吗？