معرفی شرکت ها


forayer-0.4.4


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

First aid utilies for knowledge graph exploration with an entity centric approach
ویژگی مقدار
سیستم عامل -
نام فایل forayer-0.4.4
نام forayer
نسخه کتابخانه 0.4.4
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Daniel Obraczka
ایمیل نویسنده obraczka@informatik.uni-leipzig.de
آدرس صفحه اصلی https://github.com/dobraczka/forayer
آدرس اینترنتی https://pypi.org/project/forayer/
مجوز MIT
<p align="center"> <img src="https://github.com/dobraczka/forayer/raw/main/docs/forayerlogo.png" alt="forayer logo", width=200/> </p> <h2 align="center"> forayer</h2> <p align="center"> <a href="https://github.com/dobraczka/forayer/actions/workflows/main.yml"><img alt="Tests" src="https://github.com/dobraczka/forayer/actions/workflows/tests.yml/badge.svg?branch=main"></a> <a href="https://github.com/dobraczka/forayer/actions/workflows/quality.yml"><img alt="Linting" src="https://github.com/dobraczka/forayer/actions/workflows/quality.yml/badge.svg?branch=main"></a> <a><img alt="Test coverage" src="https://img.shields.io/endpoint?url=https://gist.githubusercontent.com/dobraczka/6d07d95e43929bcbf9d031c2c8f2015f/raw/forayer_test_gist.json"></a> <a href="https://pypi.org/project/forayer"/><img alt="Stable python versions" src="https://img.shields.io/pypi/pyversions/forayer"></a> <a href="https://github.com/dobraczka/forayer/blob/main/LICENSE"><img alt="MIT License" src="https://img.shields.io/badge/license-MIT-blue"></a> <a href="https://github.com/psf/black"><img alt="Code style: black" src="https://img.shields.io/badge/code%20style-black-000000.svg"></a> </p> About ===== Forayer is a library of **f**irst aid utilities for kn**o**wledge g**r**aph explor**a**tion with an entit**y** c**e**ntric app**r**oach. It is intended to make data integration of knowledge graphs easier. With entities as first class citizens forayer is a toolset to aid in knowledge graph exploration for data integration and specifically entity resolution. You can easily load pre-existing entity resolution tasks: ```python >>> from forayer.datasets import OpenEADataset >>> ds = OpenEADataset(ds_pair="D_W",size="15K",version=1) >>> ds.er_task ERTask({DBpedia: (# entities: 15000, # entities_with_rel: 15000, # rel: 13359, # entities_with_attributes: 13782, # attributes: 13782, # attr_values: 24995), Wikidata: (# entities: 15000, # entities_with_rel: 15000, # rel: 13554, # entities_with_attributes: 14376, # attributes: 14376, # attr_values: 114107)}, ClusterHelper(# elements:30000, # clusters:15000)) ``` This entity resolution task holds 2 knowledge graphs and a cluster of known matches. You can search in knowledge graphs: ```python >>> ds.er_task["DBpedia"].search("Dorothea") KG(entities={'http://dbpedia.org/resource/E801200': {'http://dbpedia.org/ontology/activeYearsStartYear': '"1948"^^<http://www.w3.org/2001/XMLSchema#gYear>', 'http://dbpedia.org/ontology/activeYearsEndYear': '"2008"^^<http://www.w3.org/2001/XMLSchema#gYear>', 'http://dbpedia.org/ontology/birthName': 'Dorothea Carothers Allen', 'http://dbpedia.org/ontology/alias': 'Allen, Dorothea Carothers', 'http://dbpedia.org/ontology/birthYear': '"1923"^^<http://www.w3.org/2001/XMLSchema#gYear>', 'http://purl.org/dc/elements/1.1/description': 'Film editor', 'http://dbpedia.org/ontology/birthDate': '"1923-12-03"^^<http://www.w3.org/2001/XMLSchema#date>', 'http://dbpedia.org/ontology/deathDate': '"2010-04-17"^^<http://www.w3.org/2001/XMLSchema#date>', 'http://dbpedia.org/ontology/deathYear': '"2010"^^<http://www.w3.org/2001/XMLSchema#gYear>'}}, rel={}, name=DBpedia) ``` Decide to work with a smaller snippet of the resolution task: ```python >>> ert_sample = ds.er_task.sample(100) >>> ert_sample ERTask({DBpedia: (# entities: 100, # entities_with_rel: 6, # rel: 4, # entities_with_attributes: 99, # attributes: 99, # attr_values: 274), Wikidata: (# entities: 100, # entities_with_rel: 4, # rel: 4, # entities_with_attributes: 100, # attributes: 100, # attr_values: 797)}, ClusterHelper(# elements:200, # clusters:100)) ``` And much more can be found in the [user guide](https://forayer.readthedocs.io/en/latest/source/user_guide.html). Installation ============ You can install forayer via pip: ```bash pip install forayer ```


نیازمندی

مقدار نام
>=4.0,<5.0 tqdm
>=4.0.2,<5.0.0 sphinx
>=1.1.0,<2.0.0 insegel
>=1.1.0,<2.0.0 numpydoc
>=3.2,<4.0 wget
>=4.2.0,<5.0.0 gensim
>=1.3.2,<2.0.0 pandas
>=5.2.1,<6.0.0 plotly
>=6.0.0,<7.0.0 rdflib
>=1.2.0,<2.0.0 joblib
>=2.6.2,<3.0.0 networkx
>=1.0.1,<2.0.0 scikit-learn
>=0.3,<0.4 pystow
>=1.22,<2.0 numpy


زبان مورد نیاز

مقدار نام
>=3.8,<4.0 Python


نحوه نصب


نصب پکیج whl forayer-0.4.4:

    pip install forayer-0.4.4.whl


نصب پکیج tar.gz forayer-0.4.4:

    pip install forayer-0.4.4.tar.gz