我们基于国内外优秀影视作品，构建了一个关于其类型、主演、导演、上映时间的知识图谱。本项目运用了数据爬虫技术、深度抽取技术、知识图谱构建技术等关键技术，并在图谱上进一步实现了搜索、问答、挖掘等简单的应用。

基于百度百科及其他开放域数据作为语料来源，将神话人物名字作为主题关键词，通过爬虫爬取结构化数据作为知识图谱基本数据，并进行语义抽取构建了希腊神话人物关系的核心数据 在上述基础上，我们对数据进行半结构化，实体消歧（指爬虫的过程中选取希腊神话故事的人物），实体互补（指利用实体的亲属关系值的内容进行实体补充） 利用知识图谱实现了简单的知识问答

基于开放域数据CNKI的12833 篇研究文献作为语料来源，将文献中的关键词作为主题关键词，作者作为研究人员。通过爬虫爬取结构化数据作为知识图谱基本数据，结合爬取一些自然语言数据与半结构化数据，并进行语义抽取构建了外国文学研究领域的核心数据 在上述基础上，我们进行了实体对齐与部分的实体消歧，比如译名的对齐：列夫·托尔斯泰 和 托尔斯泰...

项目设计并实现了明代历史知识图谱，涵盖了明代历史的重要人物、历史事件、历史地名、著作等若干实体，并实现了知识图谱的可视化展示。

该项目使用基于bert的OpenKE工具从浙大校史文本中提取到了大量人物三元组知识，包括校史人物名、人物关系、职位、荣誉、所属机构、院系。文本信息来源于《名流浙大（百年求是）》、《图说浙大》、《浙江大学图史》。该项目采用Neo4j实现人物关系的可视化，并通过Cypher语言实现了简单的知识查询。

本项目聚焦于构建英雄和其角色的实体关系知识图谱。其中实体包括英雄、角色；关系包括英雄与角色的关系（属于某一阵营）、英雄与英雄的关系（兄弟姐妹等）。并提供Database-free的图谱可视化界面和一个简单的智能问答系统。

ownthink致力于最大的中文开放知识图谱，目前已经对两千五百多万实体进行了融合，拥有亿级别的实体属性关系，知识还在不断更新中。 数据集包含： 歧义关系（mention -> entity） 全部知识（entity -> knowledge） 属性值（entity&attribute -> value）...