狠狠撸

CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会
人工知能学会SWO研究会ワークショップ
「ナレッジグラフ推論チャレンジ2019技術勉強会
＆応募相談会」
：まだ間に合う！応募に向けた実践講座 10/21(月)

CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会
本日の概要
本イベントのねらい
?「推論チャレンジ」に応募するのに必要なナレッジグラフ
の基礎技術の基本を学んでいただく
本日の予定
14:30 第2回ナレッジグラフ推论チャレンジの绍介
14:45 ナレッジグラフ利用技術のハンズオン
（大阪電気通信大学?古崎晃司）
16:15 休憩
16:30 推論チャレンジ応募に向けたアプローチ例の紹介
（富士通研究所?松下京群，鵜飼孝典）
17:15 第2回ナレッジグラフ推論チャレンジ2019への応募相談
17:30 終了
2019/11/22 2

第2回
ナレッジグラフ推论チャレンジの绍介
１．推論チャレンジとは
２．対象とするナレッジグラフの概要

推論チャレンジとは？
シャーロック?ホームズのような
“推理”（推論）ができるAIシステムの開発
を目指した技術コンテスト
チャレンジのねらい
?説明可能性（解釈可能性）を有するAI技術に関する最新技
術の促進?共有と，その分析?評価，体系化を行う．
チャレンジタスク
?推理小説のナレッジグラフ（ホームズの短編小説）を対象に，
ホームズと同じ結論に辿り着き，その理由を説明する．
42019/11/22

チャレンジの狙い
説明可能性（解釈可能性）を有するAI技術に関
する最新技術の促進?共有と，その分析?評価，
体系化を行う．
特に，現実社会を反映したより複雑な，例えば
時間的，因果関係的，確率的関係性を含む問
題を扱うため，帰納的な機械学習（推定）と演繹
的な知識活用（推論）を融合したAI技術を対象と
する．
52019/11/22

チャレンジタスク
推理小説のナレッジグラフ（シャーロックホームズの短編
小説）を対象に，ホームズと同じ結論に辿り着き，その
理由を説明する．
?現実社会の複雑な関係性を含みながら仮想的にクローズな
（答えがあり，それに至る制約を制御できる）タスクを設計でき
る
?タスクによっては不確実情報や証拠写真など確率的な処理や
機械学習を入れないと解けなかったり，陽に書かれていない
常識知識を補完しなくては解けない等，推定と推論の融合を
促せる
?読者が納得しないと小説として成立しないという人間に対す
る説明性を有している，
?小説が広く一般に知られており関心を引きやすい，など
但し，第４回チャレンジ以降は社会問題解決に関するベ
ストプラクティス集なども予定
62019/11/22

対象とする推理小説?タスク
対象とする推理小説
まだらのひも（第1回のＫＧの不具合を修正して利用）
?タスク：ヘレンを殺したのは誰か？（犯人＋説明）
に加え，新たに，以下の4編をＫＧ化
踊る人形 [Wikipedia][青空文庫]
?タスク：暗号を解け（暗号の解読）
背中の曲がった男（曲がれる者）[Wikipedia][青空文庫]
?タスク：バークリはなぜ死んだのか？（説明）
悪魔の足 [Wikipedia][青空文庫]
?タスク：各人物を殺したのは誰か？（犯人＋説明）
花婿失踪事件（同一事件） [Wikipedia][青空文庫]
?タスク：花婿はなぜ消えたか？（説明）
72019/11/22

タスクの実行条件?応募部門
対象とするＫＧ
?５つの小説のうち，いずれの小説を対象にしてもよい
（どれか１つだけ，２つだけ…などでもＯＫ）
?できるだけ多くの小説が，同じシステム（仕組み）で解けるとよい
?各小説で使用するＫＧの範囲を段階的に変える（昨年同様）
→完全（すべてのＫＧ）／不完全（10%）／不完全（10%）
?ナレッジグラフの独自拡張も可能（昨年同様）
対象とするタスク
?①本部門：対象小説１つ以上のタスクを解くシステムを開発
?②ツール部門：いずれかのタスクを部分的に解くツールを開発
例）容疑者の推定，アリバイ検証，動機説明，など
★「自然言語文をトリプル化」するＫＧ構築支援ツールの応募も可
?アイデア部門：①，②の実現方法のアイデア（実装なしでＯＫ）
82019/11/22

ナレッジグラフ化の考え方
ナレッジグラフの要求仕様
?犯人を推論（推理）するのに必要な知識を提供する
?「推理小説」で描かれる様々な状況を，できるだけ統一的
な形式で計算機処理（検索?推論?etc.）可能にする
ナレッジグラフ化の基本方針
?「推理小説」の内容を，最小単位の「場面（シーン）」に分割
→場面ごとにID（IRI）を付与
?「各場面の記述内容」および「場面間の関係」をグラフ化
→グラフ化に必要なクラス?プロパティを定義
場面１場面２場面３
場面４
場面５
???
???
102019/11/22

場面（シーン）スキーマ
場面ID
原文
動作主
動作
目的語
subject
hasPredicate
source
その他
の関係
他の場面
場面間
の関係
場面を表現するプロパティ
? subject：その場面の記述において主語となる人や物
? hasPredicate：その場面の内容を表す述語
? 場面の詳細を表す目的語：whom（だれに）, where（どこで）, when（いつ）,
what（何を）, how（どのように）, …etc.
? 場面間の関係：then，if, because, …etc.
? time：その場面が起こった絶対時間（xsd:DateTime）
? source：その場面の原文（英語/日本語のリテラル）
場面155
ホームズが
ジュリアに会う
ホームズ
会う
ジュリア
subject
hasPredicate
source
whom
場面156
then
2019/11/22 11

原文（英語/日本語）
絶対時間※小説内に基準日
時を設定している
主語?述語?目的語は全て
「リソース」として定義
→他の場面で同じ目的語を
参照可能
動作
動作主
他の場面
場面の種類（クラス）分け
Scene：上位クラス
-Situation：事実?状況の描写
-Statement：Aの発言
-Talk：AのBへの発言
-Thought：Aの考え
12
場面（シーン）スキーマ記述例
2019/11/22

シーン間の関係
シーン間の関係を表す
プロパティ
2019/11/22 13

シーン間の関係の種類
シーン間の関係を表す
プロパティ
2019/11/22 14

クラス，プロパティ一覧
152019/11/22

推理小説のナレッジグラフ
SWO研究会?勉強会での予備的作業を経て，有志数名でナレッジグラフ化
16
ナレッジグラフ（RDF形式）
クエリー言語SPARQLによる検索
グラフDB（キーワード検索も可）
http://knowledge-graph.jp/visualization/
2019/11/22

第2回でのスキーマの拡充
対象とする小説が5つに増えたことで，異なる小説を
横断した処理ができるようにスキーマを拡充
各小説ごとに「ベースIRI」および「グラフIRI」を導入
?<http://kgc.knowledge-graph.jp/data/小説名/>
?例：「踊る人形」のシーン100は
<http://kgc.knowledge-graph.jp/data/DancingMen/100>
小説をまたいで共通化した語彙
?hasPredicateで参照する「述語」，および，
hasProperyで参照する「性質?状態」
→<http://kgc.knowledge-graph.jp/data/predicate/XXX>
?固有名詞（例：ホームズ，地名）
→<http://kgc.knowledge-graph.jp/data/YYY>
は，小説をまたいで，共通のIRIで定義?参照
2019/11/22 17

ナレッジグラフの公開
「推論チャレンジ」のサイト
→ナレッジグラフの公開
?https://github.com/KnowledgeGraphJapan/KGRC-RDF
SPARQLエンドポイント
?http://lod.hozo.jp/repositories/kgc2019
SPARQLクエリのサンプル
?https://github.com/KnowledgeGraphJapan/Challenge/
blob/master/rdf/2019/SPARQLsample.md
可視化ツール
?http://knowledge-graph.jp/visualization/
2019/11/22 18

ナレッジグラフ利用技術の
ハンズオン
０．RDF処理に利用可能な技術の概観
１．RDFによるナレッジグラフの表現
２．SPARQLクエリによるナレッジグラフの検索
３．Apache Jena によるRDFの処理
４．Apache Fuseki（RDFデータベース）の利用

ナレッジグラフ（RDF）を扱うための技術?ツール
?RDF用検索言語：SPARQL
?SPARQLエンドポイント（検索用API）からWeb経由の検索が可能
?RDF用のライブラリ
?https://github.com/KnowledgeGraphJapan/sparql-library-
examples にプログラム言語でのサンプルあり
?Javaを使うなら，Apache Jenaがおススメ
?OWL形式のファイルを開くには
?protégéなどのオントロジーエディタを使用（RDFファイルも開ける）
https://protege.stanford.edu/
?RDFファイルをDBに格納して使用するには
?FusekiやVirtuosoなどのRDF-DBを使用
202019/11/22
RDF処理に利用可能な技術

CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会 21
ナレッジグラフのRDF表現
2019/11/22
主語
述語述語
目的語
ＲＤＦでは，ナレッジグラフを
「主語?述語?目的語」のトリプルの集合として表す

2019/11/22
主語
述語述語
目的語
? 主語，述語は，ＵＲＬ（ＩＲＩ），
? 目的語は，ＵＲＬ（ＩＲＩ），または文字列（リテラルと呼ぶ）
で表す
? 主語または目的語となるＵＲＬはリソースと呼ぶ
? リテラルには型や言語を指定できる

2019/11/22
主語
述語述語
目的語

RDFの表現例
2019/11/2 24
日本
大阪電気
通信大学
国
1924
設立
寝屋川市
129613133
(VIAF)
国立国会図書館典拠ID
位置する行政区
http://www.wikidata.org/entity/Q7105556 というIRIから得られ
る情報の一部（Wikidataより）
00370288
（Web NDL
Authorities）
skos:exactMatch
大阪電気通信大学標目
リソース：
IRIで表される事物
プロパティ：
リソース間（もしくはリ
ソースとリテラル間）の
関係を表す
リテラル
：文字列
主語述語目的語
トリプル（3つ組み）
①RDFは「トリプルの組み合わせ」
で表される
②目的語が他のリソースのとき，トリプル
を辿って更なる情報が得られる

CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会 2019/11/2 25
http://www.wikidata.
org/entity/Q17
org/entity/Q7105556
https://www.wikidata.org/entry/P17 1924
https://www.wikidata.org/entry/P571
org/entity/Q389633
http://viaf.org/
viaf/129613133
http://id.ndl.go.jp/auth
/ndlna/00296951
http://www.w3.org/2004/02/skos/core#exactMatch
大阪電気通信大学
http://www.w3.org/2008/05/skos-xl#prefLabel
すべてのリソースおよび
プロパティはIRI用いて
表される
RDFの表現例

CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会 2019/11/22 26
org/entity/Q17
org/entity/Q7105556
https://www.wikidata.org/entry/P17 1924
org/entity/Q389633
http://viaf.org/
viaf/129613133
/ndlna/00296951
すべてのリソースおよび
プロパティはIRI用いて
表される
部分的に同じよ
うなIRIが多数，
用いられる
ｗｄ：
ｗｄt：
ｗｄt：
ｗｄt：
ｗｄt：
ｗｄ：
PREFIX（接頭語）
で置き換える
ｗｄ：
RDFの表現例

PREFIX：IRIの省略表現
2019/11/2 27
wd:Q17
wd:Q7105556
wdt:P17 １９２４
wdt:P571
wd:Q389633
http://viaf.org/
viaf/129613133
wdt:P349
wdt:P131
/ndlna/00296951
部分的に同じよ
うなIRIが多数，
用いられる
PREFIX（接頭語）
で置き換える

Linked Dataの公開方法
参照解決可能なhttp IRIs（URL,URI）を用いた公開
?IRIでデータにアクセスが可能
?通常のWebページと同様に，データのURIを用いて
「つながり」を辿ることが出来る
＝システムによる処理（リンク解析等）が可能
SPARQLエンドポイントの公開
?RDF用のクエリ言語SPARQLにより検索可能なAPIを公開
?クエリによるデータ検索?抽出が可能
RDFファイルのダンプの公開
?全データをダウンロードできる形で公開
?ダウロードしたファイルをRDFパーサー，RDF-DBなどのツールを用いて
処理可能
2019/11/2 30

SPARQLによるRDFの検索
? SPARQL
? RDFデータに対するクエリ言語
? 「指定したグラフ構造」に一致するトリプルを検索する
? 最も基本的な検索
select ?s ?p ?o
where {
?s ?p ?o .
}
LIMIT 100
↑取得する数の制限
←検索するグラフのパターン
←返す要素
このパターンを変
えることで，欲しい
データを取得する
2019/11/22
「.」（ピリオド）
を忘れない
?x（ｘ：任意の文字列）は変数を表す
32

検索例：
主語と述語を指定して「目的語」を取得
“<主語>の<述語>は何？”
2019/11/22
大阪電気
通信大学 ?o
位置する行政区
検索するグラフパターン
<大阪電気通信大学> <位置する行政区> ?o
SPARQLでの記述
33

検索例１：主語と述語を指定
? 例1）「大阪電気通信大学」（主語）の「位置する
行政区」（述語）となる目的語（?o）を取得する
select ?o
where {
wd:Q7105556 wdt:P131 ?o .
}
2019/11/22 34
大阪電気
通信大学
（主語）
位置する
行政区
（述語）
目的語
（変数）

検索例１：主語と述語を指定
? 例1-1）「大阪電気通信大学」（主語）の「設立」
（述語）となる目的語（?o）を取得する
select ?o
where {
wd:Q7105556 wdt:P571 ?o .
}
2019/11/22 35
大阪電気
通信大学
（主語）
設立
（述語）
目的語
（変数）
※述語を変えるといろんな
目的語が取得できる

補足１：PREFIXの定義
? 例1）「大阪電気通信大学」（主語）の「位置する
行政区」（述語）となる目的語（?o）を取得する
PREFIX wd: <http://www.wikidata.org/entity/>
PREFIX wdt: <http://www.wikidata.org/prop/direct/>
select ?o
where {
wd:Q7105556 wdt:P131 ?o .
}
2019/11/22 36
大阪電気
通信大学
（主語）
位置する
行政区
（述語）
目的語
（変数）
※wd:やwdt:といった省略表現を使うためには，
本来はPREFIXの定義が必要
（WikidataのWebサービスでは省略可）

補足１：PREFIXを利用しない表現
? 例1-1）をPREFIX（接頭語）を用いず書いた場合
2019/11/22
PREFIX wdt: <http://www.wikidata.org/prop/direct/>
select ?o
where {
wd:Q7105556 wdt:P131 ?o .
}LIMIT 100
select ?o
where {
<http://www.wikidata.org/entity/Q7105556>
<http://www.wikidata.org/prop/direct/P131> ?o .
}LIMIT 100
PREFIXの定義
省略表現に用いる文字列は
任意に設定できるが，でき
るだけ慣習的に利用される
ものにあわせるとよい．
37
PREFIXによる省略表現

参考：よく用いられるPREFIX
? RDF一般のもの
? rdfs: <http://www.w3.org/2000/01/rdf-schema#>
RDFスキーマ（基本的な語彙定義）
? schema: <http://schema.org/>
Webのメタデータに記述される語彙
? skos: <http://www.w3.org/2004/02/skos/core#>
Web上でのシソーラス，用語集などに用いられる語彙
? Wikidataで使われるもの
? wd: <http://www.wikidata.org/entity/>
エンティティ（もの，コト，データ）
? wdt: <http://www.wikidata.org/prop/direct/>
プロパティ（述語/関係）※主にSPARQL検索用の直接関係
? PREFIXの検索サービス
? https://prefix.cc/
2019/11/22
WikidataのRDFでは，詳細情報を記述
するため，同じ内容のプロパティが3種類
記述されているが，今回はwdt:を使う．
38

補足２：
ラベルの取得方法【RDF一般】
? 補足例）「大阪電気通信大学」のラベルとなる
目的語（?o）を取得
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
select distinct ?o
where {
wd:Q7105556 rdfs:label ?o .
}LIMIT 100
2019/11/22
RDFで一般に
「ラベル」を表すプロパティ（述語）
実行例 https://w.wiki/646
39

補足２：
言語種別の取得【RDF一般】
? 補足例）「大阪電気通信大学」のラベルとなる目
的語（?o）を取得
? 「言語の種別」を合わせて取得
select ?o (lang(?o) AS ?ln)
where {
}
「言語種別」を取得する関数
2019/11/22
結果を別の変数に代入
実行結果 https://w.wiki/648
40

補足２：
言語種別の絞り込み【RDF一般】
? 補足例）「大阪電気通信大学」のラベルとなる目
的語（?o）を取得
? 「言語の種別=日本語（ja）」をのみ
select ?o (lang(?o) AS ?ln)
where {
FILTER (lang(?o) = "ja") .
}
2019/11/22
実行結果 https://w.wiki/64A
絞り込みの条件を記述（様々な条件記述できる）
41

推論チャレンジのナレッジグラフを対象としたSPARQL
SPARQLクエリのサンプル
https://github.com/KnowledgeGraphJapan/
Challenge/blob/master/rdf/2019/SPARQLs
ample.md
クエリを見ながら解説予定
2019/11/22 42

Javaの開発環境（Eclipse）のインストール
1.http://mergedoc.osdn.jp/
から「 Pleiades All in One ダウンロード」の
「Eclipse 2019-09」を選択
2.JavaのFull EditonのZIPファイルをダウンロード
3.ZIPを解凍して，適当なフォルダにおけばインス
トール完了
※ZIPを解凍する際，Windowsの標準の「展開」で，
うまくいかないときは，別の解凍ソフト（7Zipなど）
を使えばOK

プロジェクトの作成
1.Eclipseを起動
2.workspace（作業フォルダ）を聞かれるのでOKする
3.ファイル＞新規＞Javaプロジェクトを実行
4.プロジェクト名（例：JenaTest）を入力してOK
5.プロジェクトが作成される
→srcがソースファイルを入れる
6.フォルダプロジェクト作成時に
表示される「モジュール作成」
については「作成しない」
を選択

テストプログラムの作成
1.ファイル＞新規＞クラスを実行
2.名前を「HelloWorld」にして，
「public static void main(String[] args) 」にチェッ
クを入れて「完了」
3.クラス「HelloWorld.java」が作成される
4.作成されたクラスに以下の1行を追加して，保存
public class HelloWorld {
public static void main(String[] args) {
// TODO 自動生成されたメソッド?スタブ
System.out.println("Hello World!");
}
}

テストプログラムの実行
1.「HelloWorld.java」を選択して，
右クリック＞実行＞Javaアプリケーション
を選択
2.プログラムが実行され，結果がコンソールに
表示される

Jenaのダウロード
1.https://jena.apache.org/ からダウンロード
apache-jena-3.13.0.zip を選択してダウンロード
2.解凍してできる「lib」フォルダをプロジェクトにコピー
3. srcを選択して右クリック＞ビルド?パス＞ビルド?パスの
構成
4.ライブラリ＞クラスパス＞JARの追加で「lib」フォルダ内
のJARファイルを選択?追加
備考
JenaはRDFを処理するためのライブラリ
使い方の詳細は，Java DOCを参照
?https://jena.apache.org/documentation/javadoc/jena/

サンプルプログラムの入手
1. https://github.com/koujikozaki/JenaSample
からサンプルプログラムをダウロード
→Clone or download > Download ZIP
2. ZIPファイルを展開し，srcフォルダの中身を自分
のプロジェクトにコピーする
→エクスプローラーで選択＞コピーの後，
Eclipseのパッケージエクスプローラのｓｒｃに
「貼り付け」
※以下，プロジェクトへのコピーは同様の操作で行う
3.inputフォルダを自分のプロジェクトにコピーする
4.自分のプロジェクトにoutputというフォルダを作る

サンプルプログラムの実行
それぞれのプログラムを選択し，
右クリック＞実行＞Javaアプリケーション
で実行してみる
readRDF.java
RDFファイルを読み込み，別の形式で保存する．
searchRDF.java
読み込んだRDFに対して，検索を行う
searchRDFusingSPARQL.java
読み込んだRDFに対して，SPARQLで検索を行う．
searchRDFfromEndpoint.java
SPARQLエンドポイントに対してSPARQLで検索する

参考資料
ModelのJavaDoc
?https://jena.apache.org/documentation/javadoc/jena/
org/apache/jena/rdf/model/Model.html
?Jenaで読み込んだモデルを直接，処理することができる
ResultSetのJavaDoc
?https://jena.apache.org/documentation/javadoc/arq/i
ndex.html?org/apache/jena/query/ResultSet.html
?JenaでSPARQLクエリを発行した結果を処理する差に用いる
?サンプルプログラムの改良版に使用例あり
?https://github.com/oecu-kozaki-lab/JavaRDFsample
?クエリ結果を用いて別のクエリを発行する例が含まれます
2019/11/22 51

Apache Fusekiの利用
Apache Fuseki（RDFデータベース）のインストール
?下記の記事を参考にインストールしてください．
?Fusekiをダウンロードして立ち上げるまで。Windows 10編
?Fusekiをダウンロードして立ち上げるまで。Mac OS X編
?apache-jena-fuseki-3.13.1.zip で動作確認しました（Windows10）
推論チャレンジのナレッジグラフ（RDF）をダウンロード
?https://github.com/KnowledgeGraphJapan/KGRC-RDF
からダウンロード（第1回，第2回分を含む）
?複数のファイル形式でダウンロードできるが，
RDFファイルとしてはTurtle形式（拡張子は.ttl）の利用を
2019/11/22 53

参考）Sample1の実行方法
54
起動する際に入力し
た引数を使って，クエ
リを実行する
?例として，小説名と
シーン番号を指定
起動時の引数は，
main関数の引数
（args[]）に入る
?配列args[]から値を
取り出して，プログラム
で利用すればよい
? Eclipseでの実行時には，
「実行＞実行の構成」で
「実行するプログラム」の設定画
面の「引数」タブの「プログラム
の引数」に書いて適用?実行

Apache Fusekiの利用
FusekiにRDFファイルをアップロード
?Fusekiを起動した状態でhttp://localhost:3030/にアクセス
?manage datasets > add new dataset でDBを作成
?Fusekiの再起動後もDBを残したいときはPersistentを選択する
?作成したdatasetを選択し，Upload filesでアップロード
2019/11/22 55

Fusekiの使い方
queryを選択すると，ブラウザ上でSPARQL検索ができる
2019/11/22 56
プログラムから検索するときは
http://localhost:3030/dataset名/sparql
を使用する
Infoを選ぶと
諸々の情報を確認できる

参考資料
SPARQL仕様（W3Cのドキュメント）
? SPARQL 1.1 Query Language
https://www.w3.org/TR/sparql11-query/
SPARQLの解説本
? オープンデータ時代の標準Web API SPARQL
http://sparqlbook.jp/
SPARQL入門スライド（ｂｙ古崎）
? DBpedia Japaneseを例にした解説
/KoujiKozaki/4lod
? 大阪市のオープンデータを例にした解説
/KoujiKozaki/apisparql
解説記事
? DBpediaを使った都道府県別ランキング
http://bit.ly/2oDPl0Q
? Wikidataを使った日本の政治家の出身大学ランキング
http://bit.ly/2PBt8fn
2019/11/2 57
http://sparqlbook.jp/より

参考資料
Jena のサイト https://jena.apache.org/
Jenaのハンズオン資料
https://github.com/KnowledgeGraphJapan/LOD
ws2nd
にある「ApacheJenaハンズオン.pdf」を見るとよい
→ハンズオンのソース
https://github.com/KnowledgeGraphJapan/Apach
e-Jena-Sample-Programs
様々な言語でのSPARQL処理方法サンプル
https://github.com/KnowledgeGraphJapan/sparql-
library-examples
2019/11/22 58

CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会CC-BY4.0:人工知能学会セマンティクWebとオントロジー（SWO）研究会
人工知能学会SWO研究会ワークショップ
「ナレッジグラフ推論チャレンジ2019技術勉強会
＆応募相談会」
：まだ間に合う！応募に向けた実践講座 10/21(月)
? 本日の資料は，一部修正のうえ，
推論チャレンジのサイトで公開します
? 推理小説のナレッジグラフは，
今週中にアップデート予定です
（→Issueをいただけば頑張って対応します…）
? 応募締切は，2019年11月30日に延長します
? 最終審査会．2019年12月26日＠東京都内

狠狠撸

ナレッジグラフ推论チャレンジ2019技术勉强会(10/21开催)

More Related Content

What's hot (20)

More from KnowledgeGraph (11)

Recently uploaded (13)

ナレッジグラフ推论チャレンジ2019技术勉强会(10/21开催)