该仓库目的是收集、整理基于知识图谱的中文问答系统的相关研究工作，实现一个基于知识图谱的中文问答系统

• code文件夹下存放问答模型，每一个模型是一个文件夹，用模型的名称命名
• data文件夹下存放问答数据集
• kg文件夹下存放知识图谱
• png文件夹下存放所需要的图片
• result文件夹下记录code文件夹下的每一个模型在data文件夹下的每一个数据集上的实验结果
• notebook文件夹下存放问答模型，每一个模型是一个文件夹，用模型的名称命名。与code文件夹不同的是notebook文件夹下的代码以notebook展示，尽可能的展示问答模型的细节
• kgclue文件夹存放KgCLUE评测榜的代码和实验记录

KgCLUE是一个大规模中文开源知识图谱问答项目，提供了评测榜。

该文件夹下的子文件夹以实验模型的名称命名，对应的README文件介绍了每一个实验模型以及评测分数

该文件夹下的子文件夹都是以模型名称命名，目前包括：

• TransferNet
• Embed-KGQA

该文件夹下的子文件夹都是以QA数据集名称命名，目前包括：

• WebQSP
• nlpcc2018(官网：http://tcci.ccf.org.cn/conference/2018/taskdata.php，选择task7，Open Domain Question Answering，即可下载数据集。数据集包含知识图谱和问答数据)

该文件夹下的子文件是以知识图谱的名称命名，目前包括：

• fbwq_full（来源https://drive.google.com/file/d/1uWaavrpKKllVSQ73TTuLWPc4aqVvrkpx/view?usp=sharing，也就是[Embed-KGQA](https://github.com/malllabiisc/EmbedKGQA)给出的整理好的知识图谱）
• nlpcc2018（来源就是官网http://tcci.ccf.org.cn/conference/2018/taskdata.php中下载的知识图谱）
• PKU（北大的中文百科知识图谱。链接：https://pan.baidu.com/s/1Br8eU60t2fV4crtC2HOlSg 提取码：tvv1）

1. 开放知识图谱

• Knowledge Graph Embedding: A Survey of Approaches and Applications
• A survey of embedding models of entities and relationships for knowledge graph completion

• Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings
• TransferNet: An Effective and Transparent Framework for Multi-hop Question Answering over Relation Graph

• PKU（北大的中文百科知识图谱。链接：https://pan.baidu.com/s/1Br8eU60t2fV4crtC2HOlSg 提取码：tvv1）
• nlpcc2018(官网：http://tcci.ccf.org.cn/conference/2018/taskdata.php 选择task7 Open Domain Question Answering，即可下载数据集。数据集包含知识图谱和问答数据)
• 思知知识图谱（地址：https://www.ownthink.com/docs/kg/）
• KgCLUE（地址：https://github.com/CLUEbenchmark/KgCLUE）

这四个是比较大的开放域知识图谱，此外还有一些垂类领域如军事、医学、法律等领域的知识图谱，这里不再介绍。

• ccks（https://github.com/pkumod/CKBQA/tree/master/data）
• nlpcc2018 (官网：http://tcci.ccf.org.cn/conference/2018/taskdata.php 选择task7 Open Domain Question Answering，即可下载数据集。数据集包含知识图谱和问答数据)
• KgCLUE（地址：https://github.com/CLUEbenchmark/KgCLUE）

尽量按照所列顺序阅读

1. 简要总结一篇知识图谱嵌入综述
2. 简单实现几篇知识图谱嵌入(Knowledge Graph Embedding，KGE)模型
3. KGQA概览
4. EmbedKGQA论文简要解读