欢迎加入我们～
多元关系表示模型GRAN，基于飞桨实现的神经网络关系表示学习架构，提供基于图的N-ary关系学习能力。本开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）。
文档级关系抽取系统SSAN，提供基于实体结构建模的文档级关系抽取能力，在DocRED开放评测榜第一。本开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）。
PaddlePALM (Paddle for Multi-task) 是一个强大快速、灵活易用的 任务级（task level） 大规模多任务学习框架。框架中内置了丰富的主干网络及其预训练模型（BERT、ERNIE等）、常见的任务范式（分类、匹配、机器阅读理解等）和相应的数据集读取与处理工具。本开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）
机器根据知识图谱主动和人类对话，完成给定对话目标，让机器的对话更有目的性，更有逻辑。本开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）。
CoKE提供了一种创新的语境化知识表示方法，通过语境序列化建模，使实体和关系的表示动态自适应到当前语境。本开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）。
支持schema 约束下的关系抽取，也就是在给定关系集合下，从自然语言文本中抽取出符合关系 schema 约束的 SPO 三元组知识。本开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）。
深层知识处理与语义计算相关开源项目受国家重点研发计划“云计算和大数据”专项支持（项目号 2018YFB1004300 ）。
在大数据环境下，可用的海量数据以及特定领域的各类数据包含的信息量巨大，也蕴藏着丰富的知识，这为知识的获取与加工处理提供了新的机遇。然而，面向大数据的知识处理也面临新的挑战。本课题的研究目标是发展知识发现理论与表征建模方法，从大数据中自动抽取高质量知识，构建国计民生领域的知识图谱。在此基础上，通过高效知识检索与深层知识推理技术，为复杂问题分析与求解等任务需求提供支撑。围绕上述研究目标，课题的主要研究内容包括：深层知识发现与知识表征建模方法，知识自动抽取与领域图谱构建技术，知识高效检索与深层知识推理技术，问题语义分析与复杂问题求解技术。在课题研究中，拟解决的关键技术问题包括：数据关联驱动的知识发现，领域知识图谱的自动构建，规模知识图谱的高效检索，复杂问题语义的深层解析。基于上述研究，实现对知识的有效处理，能够提升大数据分析的内涵，并为大数据检索、推理以及问题分析求解等深层需求与新型应用提供基础支撑。
semantic_kg at QQ.com
