KGs-Survey 项目亮点解析
2025-06-07 19:07:16作者:傅爽业Veleda
项目基础介绍
KGs-Survey 是一个开源项目,旨在收集和整理知识图谱(Knowledge Graphs, KGs)领域的综述论文。该项目由 Machuangtao 创建并维护,会定期更新最新的知识图谱相关论文。KGs-Survey 的目标是提供一个全面的资源库,帮助研究者和开发者快速了解知识图谱领域的研究进展和热点问题。
项目代码目录及介绍
项目的目录结构清晰,主要包括以下几个部分:
README.md:项目的说明文件,介绍了项目的基本信息和维护情况。LICENSE:项目的开源许可证文件,本项目采用 CC-BY-4.0 许可。zh-CN.md:中文版的综述论文列表。- 其他文件:包含了不同年份和类别的知识图谱相关综述论文的列表。
项目亮点功能拆解
KGs-Survey 的主要亮点在于:
- 全面的论文覆盖:项目涵盖了知识图谱构建、完成、表示学习、实体链接、实体对齐、知识推理、下游应用等多个方面的最新综述论文。
- 定期更新:项目维护者定期更新论文列表,保证了资源的时效性和前沿性。
- 多语言支持:除了中文论文,项目还提供了英文论文的链接,方便不同语言背景的用户使用。
项目主要技术亮点拆解
KGs-Survey 的技术亮点包括:
- 分类清晰:项目按照论文的研究方向和内容进行了详细分类,便于用户快速定位感兴趣的部分。
- 信息完整:每篇论文的列表中都包含了标题、来源、年份、类别和链接,用户可以快速获取所需信息。
- 易于维护:项目的 markdown 文件格式使得维护和更新论文列表变得简单高效。
与同类项目对比的亮点
与同类项目相比,KGs-Survey 的亮点主要体现在:
- 专注知识图谱:KGs-Survey 专注于知识图谱领域的综述论文,而不是广泛的数据科学或人工智能领域,这使得资源更加聚焦和深入。
- 更新频率:KGs-Survey 的更新频率较高,保持了资源的最新性。
- 易于导航:项目的目录结构合理,便于用户浏览和查找相关论文。
KGs-Survey 无疑是知识图谱领域研究者和开发者的宝贵资源,它通过高效的组织和定期更新,大大提高了研究效率和质量。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1