Git Product home page Git Product logo

learning_resourcesforgraduates's Introduction

研究生知识图谱学习资源

目录

研究生时间规划

研一第一学期

  1. 保证学习时间，上午8点到12点，下午2:30到6:30，晚上8点到10点，每天不间断（寒暑假继续，国家法定节假日除外），如果有事情耽误，第二天补上! 申博英语六级成绩最低分要求：复旦计算机学院425，大数据学院500；浙大计算机学院460；东南大学网安学院425！
  2. 阅读知识图谱方向相关相关硕博论文和《计算机学报》《软件学报》《计算机研究与发展》三大学报上的论文，然后阅读英文论文。
  3. 组会进行阅读汇报，并让导师给出建议，开始撰写综述（提前预选投稿杂志)。引用的近三年文献占50%以上，格式一定按照目标杂志要求（使用Mendeley、zotero、ENDNOTE或者NOTEXPRESS等软件进行文献管理)。

研一第二学期

  1. 通过一学期的阅读及写作，以及同导师的多次交流，明确选题方向！
  2. 复现进行基线方法的代码，构思第一个创新点！并撰写论文初稿！
  3. 第二学期结束前，综述文章、第一个创新点论文一定要投出去！ 一定要仔细，细节决定成败，低级错误不要犯。

研二第一学期

  1. 研二，是整个研究生生涯最关键的一年，也是大量实验的一年，开始实验前一定要经过详细的实验计划以及反复确认实验的可行性。
  2. 研二的同学准备好开题报告、开题答辩PPT（包含前期取得的成果以及已投稿论文）。
  3. 实验期间，一定要及时和导师和师兄师姐进行沟通，切记，不要自己一个人闷头苦干，闭门造车！
  4. 加紧实验，整理数据，准备开题，开题前第二个创新点文章要投出去(SCI或者知识图谱专刊),作图一定都要漂亮，摘要部分是你整个文章的概括，一定要有逻辑性，抓人眼球。

研二第二学期

  1. 第三个创新点文章一定要有雏形，加紧实验，同时，还是要多和导师进行沟通，保持正确的大方向。暑假前第三个创新点文章要投出去！ （申请读博的同学要注意）

研三第一学期

  1. 投稿修回，关注博士申请（12月东南大学博士面试）、关注就业。
  2. 撰写毕业论文。在寒假回家前，完成初稿。

研三第二学期

  1. 3月份大论文要写好，准备送外审！准备毕业答辩！

如何阅读论文转自施一公

  1. 在读科研论文时，最重要的是了解文章的主线逻辑。文章中的所有Figures都是按照这个主线逻辑展开描述的。所以，我一般先读“introduction”部分，然后很快地看一遍Figures。大概知道这条主线之后，才一字一句地去读“results”和“discussion”。
  2. 当遇到一些实验或结果分析很晦涩难懂时，不必花太多时间深究，而力求一气把文章读完。也许你的问题在后面的内容中自然就有解答。这与听学术讲座非常相似！你如果想每个细节都听懂，留心每一个技术细节，那你听学术讲座不仅会很累，而且也许会为了深究一个小技术环节而影响了对整个讲座逻辑推理及核心结论的理解。
  3. 对个别重要的文章和自己领域内的科研论文，应该精读。对与自己课题相关的每一篇论文则必须字斟句酌地读。这些论文，不仅要完全读懂，理解每一个实验的细节、分析、结论，还必须联想到这些实验和结论对自己的课题的影响和启发，提出自己的观点。
  4. 科学论文的阅读水平是循序渐进的。每个人开始都会很吃力，所以你有这种感觉不要气馁。坚持很重要，你一定会渐入佳境。当你有问题时或有绝妙分析时，应该与师兄师姐或找导师讨论。
  5. 科研训练的一个重要组成部分就是科研论文的阅读。每一个研究生必须经过严格的科研论文阅读的训练。除了你自己的习惯性阅读外，你应该在研究生阶段自学以阅读分析专业文献为主的一至两门课，在实验室内也要有定期的科研论文讨论（Journal Club）。
  6. 前面几条都是讨论如何提高科研论文的阅读能力，但是一旦入了门，就要学会critical reading。不要迷信已发表的论文，哪怕是发表在非常好的期刊上。要时刻提醒自己：该论文逻辑是否严谨，数据是否可靠，实验证据是否支持结论，你是否能想出更好的实验，你是否可以在此论文的基础上提出新的重要问题？等等。

知识图谱相关综述

  1. 如何写出一篇优秀的文献综述？|《自然》专访
  2. From Symbols to Embeddings：A Tale of Two Representationsin Computational Social.pdf | 文中的参考文献
  3. A review of knowledge graph application scenarios in cyber security
  4. A survey on knowledge graphs Representation, acquisition, and applications
  5. Knowledge graph application in education ：a literature review
  6. Knowledge_Graph_Completion_A_Review
  7. A review Knowledge reasoning over knowledge graph
  8. Knowledge Graph Embedding A Survey of Approaches and Applications

知识图谱各研究方向论文及数据集

  1. 有代码的知识图谱论文及公开数据集
  2. 命名实体识别有代码的论文
  3. 关系抽取有代码的论文 基于神经网络的关系抽取必读论文
  4. 清华刘知远教授推荐的知识表示学习论文 知识图谱推理的必读论文
  5. 实体链接有代码的论文
  6. 知识图谱补全有代码的论文
  7. 网络空间安全知识图谱数据集

知识图谱课程或相关研究机构主页

  1. 浙江大学陈华钧教授《知识图谱课程》
  2. 复旦大学肖仰华教授《知识图谱：概念与技术》课程
  3. UMBC Tim Finin 《knowlegdge graph》 course
  4. Maastricht University 《knowledge graph》course
  5. 斯坦福大学Jure Leskovec主页|斯坦福大学Jure Leskovec《Machine Learning with Graphs》课程|图神经网络工具包pyg链接Graph Neural Network Library for PyTorch
  6. UIUC Ji Heng 实验室
  7. Knowledge Graphs：A curated collection of research on knowledge graphs

知识图谱相关书籍

  1. Knowledge Graphs Methodology, Tools and Selected Use Cases
  2. Knowledge Graphs and Big Data Processing Authors: Valentina Janev et al.
  3. Domain-Specific Knowledge Graph Construction Authors: Mayank Kejriwal
  4. Exploiting Linked Data and Knowledge Graphs in Large Organisation
  5. Knowledge Graphs Data in Context Responsive
  6. the knowledge graph cookbook
  7. Knowledge Graphs And Big Data Processing
  8. 《Learning SPARQL》本书对应网站
  9. KNOWLEDGE GRAPHS github link
  10. Knowledge Graphs: A Practical Introduction across Disciplines
  11. Knowledge Graphs Applied
  12. 《从零构建知识图谱 技术、方法与案例》 || 邵浩等著，配有实战案例，本书代码github地址
  13. 《知识图谱：概念与技术》，肖仰华等著，可作为高年级本科生、硕士生或者博士生的教材
  14. 《知识图谱：方法、实践与应用》，王昊奋，漆桂林，陈华钧编
  15. 《知识图谱与深度学习》刘知远，韩旭，孙茂松著
  16. 《TensorFlow知识图谱实战》，王晓华著，（有代码PPT）

知识图谱构建工具

  1. 浙江大学支持cnSchema、低资源、长篇章、多模态的知识图谱抽取开源工具
  2. Introduction to STIX|STIX Viewer输入网页链接或者Json文件生成图谱

知识图谱与大语言模型

  1. Ask ChatGPT and Get an Annotated Response演示系统链接 |Using Multiple RDF Knowledge Graphs for Enriching ChatGPT Responses论文下载
  2. 清华大学通用语言模型ChatGLM-6B
  3. 基于大模型的知识抽取工具（陈华钧团队）
  4. BertNet: Harvesting Knowledge Graphs from PLMs(2023 ACL Findings)LLM辅助搜索候选实体进行KG补全Demo
  5. Reasoning over Different Types of Knowledge Graphs: Static, Temporal and Multi-Modal(学习本文写综述、整理资料的能力)
  6. 使用ChatGPT进行零样本关系抽取
  7. LLM（Large Language Model）下的自然语言处理任务、基于清华开源大模型 ChatGLM-6B
  8. 知识图谱与大模型论文
  9. 关于大模型与图分析综述。A Survey of Large Language Models on Generative Graph Analytics: Query, Learning, and Applications
  10. 知识图谱提示学习PromptKG Family: a Gallery of Prompt Learning & KG-related research works, toolkits, and paper-list.
  11. 知识图谱提示工程LLMs for Knowledge Graph 2: GPT Prompt Engineering for Knowledge Graph Creation
  12. LLM Prompt Engineering Techniques for Knowledge Graph Integration可视化知识图谱提示工程

知识图谱相关会议

CCF推荐A会

  1. ACM Knowledge Discovery and Data Mining(SIGKDD)
  2. International World Wide Web Conferences(AAAI-DBLP)
  3. International World Wide Web Conferences(WWW-DBLP)
  4. Annual Meeting of the Association for Computational Linguistics(ACL-DBLP)
  5. International Joint Conference on Artificial Intelligence(IJCAI-DBLP)

CCF推荐B会

  1. ACM International Conference on Information and Knowledge Management(CIKM-DBLP)
  2. Conference on Empirical Methods in Natural Language Processing(EMNLP-DBLP)
  3. International Conference on Principles of Knowledge Representation and Reasoning(KR)

CCF推荐C会

  1. International Conference on Software Engineering and Knowledge Engineering(SEKE)
  2. Pacific-Asia Conference on Knowledge Discovery and Data Mining(PAKDD)

以知识图谱为主题的会

  1. The Knowledge Graph Conference
  2. International Joint Conference on Knowledge Graphs (IJCKG)
  3. International Workshop on Graph Structures for Knowledge Representation and Reasoning (GKR)
  4. IEEE International Conference on Big Knowledge (ICBK) IEEE International Conference on Knowledge Graph (ICKG)
  5. Iberoamerican Conference on Knowledge Graphs and Semantic Web (KGSWC)
  6. China Conference on Knowledge Graph and Semantic Computing (CCKS)中文会议

知识图谱相关期刊

CCF推荐A刊

  1. IEEE Transactions on Knowledge and Data Engineering

CCF推荐B刊

  1. ACM Transactions on Knowledge Discovery from Data
  2. Data and Knowledge Engineering[CiteScore 4.0 Impact Factor 2.5 Acceptance rate 10% Time to 1st decision 10 weeks Time to publication 3 weeks]
  3. Data Mining and Knowledge Discovery
  4. Information Processing and Management[CiteScore 14.8 Impact Factor 8.6 Acceptance rate 11% Time to 1st decision 3 weeks Time to publication 3 weeks]
  5. Information Sciences[CiteScore 13.4 Impact Factor 8.1 Acceptance rate 18% Time to 1st decision 6 weeks Time to publication 3 weeks]
  6. Knowledge and Information Systems

CCF推荐C刊

  1. Knowledge-Based Systems(KBS) 主页 [CiteScore 12.3 Impact Factor 8.8 Acceptance rate 17% Time to 1st decision 5 weeks Time to publication 3 weeks]
  2. Expert Systems with Applications[CiteScore 12.6 Impact Factor 8.5 Acceptance rate 25% Time to 1st decision 14 weeks Time to publication 3 weeks]
  3. International Journal of Software Engineering and Knowledge Engineering
  4. International Journal of Knowledge Management
  5. Neurocomputing [CiteScore 10.8 Impact Factor 6.0 Acceptance rate 17% Time to 1st decision 6 weeks Time to publication 6 weeks]
  6. International Journal of Uncertainty,Fuzziness and Knowledge-Based System(IJUFKS)
  7. Journal of Visual Communication and Image Representation[CiteScore 6.8 Impact Factor 2.6 Acceptance rate —Time to 1st decision 7 weeks Time to publication 3 weeks]
  8. Neural Computing and Applications[Impact factor 6.0 (SCI 3 区 2022) 5 year impact factor 5.6 (2022) Submission to first decision (median) 16 days]

SCI

  1. Proceedings of the VLDB Endowment[SCI 3区]
  2. Scientific reports [SCI 2区]

如何做科研写论文

  1. 高质量读研：教你如何写论文、做科研
  2. 研究生高分论文写作（第四版）
  3. 怎样顺利完成论文：论文写作的策略与技巧（第四版）
  4. Zobel - Writing for computer science 3rd edition
  5. Advice and resources for thriving and surviving graduate school from Georgia Tech
  6. 清华大学Aminer科技情报大数据平台
  7. paperswithcode以知识图谱补全为例
  8. DBLP计算机类论文检索

知识图谱系统

  1. The Linked Open Data Cloud
  2. DBpedia 针对dbpedia的sparql在线查询平台
  3. dbpedia如何从Wikipedia中抽取知识github
  4. YAGO: A High-Quality Knowledge Base
  5. GDELT Project
  6. Wikidata
  7. WordNet
  8. NELL
  9. 网络空间安全知识图谱Sepses 可以通过sparql endpoint 查询
  10. Cybersecurity demo for Neo4j's Connections: Graphs in Cybersecurity 2021
  11. Introduction to STIX|STIX Viewer输入网页链接或者Json文件生成图谱
  12. 开放的中文知识图谱
  13. **近代历史人物知识图谱
  14. 唐诗知识图谱
  15. 李白迁徙图
  16. 李白为中心节点的知识图谱
  17. K12基础教育知识图谱
  18. 刘焕勇**科学院软件研究所-人物知识图谱数据集

实验室自建知识图谱系统

  1. 疫情流调分析[检索输入杨铠冰]
  2. 网络安全漏洞知识图谱-王乐天
  3. 基于Neo4j的漏洞知识图谱可视化系统-车昭明
  4. 食品安全知识图谱
  5. 计算机专业课程知识图谱
  6. 医疗诊断知识图谱

您是第几位访客？

Visitor Count

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.