知识图谱

【无标题】大模型-模型压缩：量化、剪枝、蒸馏、二值化 (2大模型-模型压缩：量化、剪枝、蒸馏、二值化 (2)一、模型压缩概述1.模型压缩的必要性2.模型压缩的目标二、量化1.量化原理2.量化方法分类3.量化的优势与局限三、剪枝1.剪枝原理2.剪枝方法分类3.剪枝的优势与局限四、蒸馏1.蒸馏原理2.蒸馏方法流程3.蒸馏的优势与局限五、二值化1.二值化原理2.二值化方法应用3.二值化的优缺点

麦麦大数据

F035 vue+neo4j中医南药药膳知识图谱可视化系统 | vue+flask文章结尾部分有CSDN官方提供的学长联系方式名片关注B站，有好处！编号: F035待发布系统简介：本系统是一个基于Vue+Flask+ECharts+MySQL构建的中医热性药知识图谱可视化系统，旨在为用户提供中医药材和方剂的知识查询与可视化分析服务。系统的核心功能包括：首页，展示系统概览及热性药材的知识点图谱；药材搜索与介绍模块，支持用户查询中医热性药材的详细信息；方剂搜索与构成查看模块，提供热性方剂的组成成分及其药理作用；功效关键词提取与分析模块，通过自然语言处理技术提取关键词并生成可视化分析图表

麦麦大数据

F037 vue+neo4j 编程语言知识图谱可视化分析系统vue+flask+neo4j文章结尾部分有CSDN官方提供的学长联系方式名片关注B站，有好处！编号: F037最帅 neo4j+python 知识图谱可视化编程语言缺陷知识图谱

KG_LLM图谱增强大模型

知识图谱遇上大语言模型：天作之合还是理想泡影？ServiceNow收购data.world引发关注，知识图谱与大语言模型的结合正成为AI时代的关键趋势。本文探讨了这一组合如何帮助企业整合数据资产，以及为什么多数组织尚未为此做好准备。

麦麦大数据

D030知识图谱科研文献论文推荐系统vue+django+Neo4j的知识图谱|论文本文相似度推荐|协同过滤文章结尾部分有CSDN官方提供的学长联系方式名片文章结尾部分有CSDN官方提供的学长联系方式名片关注B站，有好处！

开放知识图谱

论文浅尝 | LightPROF：一种轻量级推理框架，用于大型语言模型在知识图谱上的应用（AAAI2025）笔记整理：李子晨，天津大学硕士，研究方向为知识图谱论文链接：https://doi.org/10.1609/aaai.v39i22.34510

KG_LLM图谱增强大模型

[ICAIS2025]探索LLM驱动的知识图谱构建：技术机制、方法对比与未来方向摘要知识图谱（KGs）长期以来一直是结构化知识表示和推理的基础设施。随着大型语言模型（LLMs）的出现，知识图谱的构建进入了一个新范式——从基于规则和统计的流程转向由语言驱动和生成性框架。本综述全面概述了LLM驱动的知识图谱构建的最新进展，系统性地分析了LLMs如何重塑经典的三层本体工程、知识提取和知识融合流程。

麦麦大数据

F034 vue+neo4j 体育知识图谱系统|体育文献知识图谱vue+flask知识图谱管理+d3.js可视化文章结尾部分有CSDN官方提供的学长联系方式名片关注B站，有好处！编号: F034vue+neo4j 体育文献知识图谱 Python Flask框架

麦麦大数据

F032 材料科学文献知识图谱可视化分析系统（四种知识图谱可视化布局） | vue + flask + echarts + d3.js 实现文章结尾部分有CSDN官方提供的学长联系方式名片关注B站，有好处！编号: F032neo4j 文献知识图谱可视化分析系统 | vue + flask + echarts + d3.js 实现

麦麦大数据

D027 v2 vue+django+neo4j 基于知识图谱红楼梦问答系统 (新增问关系功能；新增知识节点和关系管理功能，neo4j增删改查功能）文章结尾部分有CSDN官方提供的学长联系方式名片文章结尾部分有CSDN官方提供的学长联系方式名片关注B站，有好处！

不吃香菜的小趴菜

neo4j密码忘记如何解决笔者先前配置过neo4j的环境，但一直没使用过。而最近选修的知识图谱课，课程老师要求自己搭建一个与课程相关的知识图谱，但好巧不巧，之前neo4j的密码笔者忘的干干净净，在查找博客和咨询AI后，成功重设了密码，步骤如下：

麦麦大数据

D026 vue3+django 论文知识图谱推荐可视化系统 | vue3+vite前端|neo4j 图数据库文章结尾部分有CSDN官方提供的学长联系方式名片up主B站：麦麦大数据关注B站，有好处！编号: D026

熊猫钓鱼>_>

基于知识图谱的智能会议纪要系统：从语音识别到深度理解知识图谱在会议纪要生成中扮演着"智能上下文引擎"的角色，它能显著提升纪要的质量、准确性和实用性。传统的语音转文字系统仅完成"听到→写下"的基础转换，而基于知识图谱的智能会议纪要系统实现了"理解→洞察→沉淀"的质的飞跃。该系统通过构建动态演进的知识网络，将孤立的会议内容转化为具有上下文关联、历史延续性和业务价值的组织知识资产。

KG_LLM图谱增强大模型

整合知识图谱与大语言模型：下一代药物发现的革命性技术Integrating Knowledge Graphs and Large Language Models for Next-Generation Drug Discovery

大模型-高效优化技术全景解析：微调量化剪枝梯度裁剪与蒸馏下大模型-高效优化技术全景解析：微调量化剪枝梯度裁剪与蒸馏下一、微调（Fine-tuning）二、量化（Quantization）

基于知识图谱(Neo4j)和大语言模型(LLM)的图检索增强(GraphRAG)的台风灾害知识问答系统(vue+flask+AI算法)基于知识图谱(Neo4j)和大语言模型(LLM)的图检索增强(GraphRAG)的台风灾害知识问答系统(vue+flask+AI算法)

爱喝白开水a

LangChain 基础系列之 Prompt 工程详解：从设计原理到实战模板_langchain prompt在 LangChain 构建的智能应用中，Prompt（提示词）堪称驱动大模型的 “神经中枢”。这个承载着任务指令、上下文信息和逻辑引导的文本输入，不仅决定了模型输出的质量，更定义了人机协作的交互边界。

运维知识图谱的构建与应用运维知识图谱作为智能运维（AIOps）的核心技术，通过结构化表示服务器、服务、故障等运维实体及其关系，显著提升故障诊断效率和自动化水平。本文深入探讨其构建方法、关键技术实现及实际应用场景。