Apr, 2015

基于新数据集和方法推断知识库补全的缺失实体类型实例

PDF
TL;DR本文研究知识库完成的问题，聚焦于推断知识库中缺失的实体类型实例，提出了使用现有知识库信息和维基百科的外部信息的知识库完成方法，并通过构建大规模数据集和设计自动评估方法验证了方法的有效性和正确性。
knowledge base completionentity type instancesdatasetwikipediaautomatic evaluation methodology
发现论文，激发创造
  • 知识库补全与迁移学习结合

    本文提出了一种有效的预训练方法，用于从非结构化文本中提取的事实的规范化和非规范化知识库，通过小数据集上实验证明其相对于已有方法的改进，不依赖于大型预先训练的模型（如 BERT）

    Aug, 2021

  • 连接嵌入对知识图谱实体类型进行分类

    本文提出了一种新方法，通过共同利用现有实体类型和知识图谱中的全局三元组知识以及两个嵌入模型，推断知识图谱中缺失的实体类型实例；在真实数据集上实验结果显示，此方法和模型可以有效地提高知识图谱实体分类。

    Jul, 2020

  • 长尾实体的知识库补全

    本文提出了一种基于语言模型的知识库完成方法，针对长尾实体的事实，该方法利用两个不同的语言模型进行候选检索和候选验证和消歧，通过评估我们的方法和不同的基线，引入一个名为 MALT 的基于 Wikidata 的数据集，我们的方法在 F1 中优于所有基线，尤其是在召回率方面有很大提升。

    Jun, 2023

  • 长尾实体的开放知识扩充

    本文提出了一种全面的知识丰富方法，利用开放 Web 预测缺失属性并推断长尾实体的真实事实来改进知识库，实验结果表明该方法的可行性和优越性。

    Feb, 2020

  • 利用多任务问答在语言模型中灌输类型知识

    该研究论文介绍了一种利用基于类型的问题通过文本预训练在语言模型中灌输细粒度类型知识的方法，并利用知识库文档和知识图谱创建 WikiWiki 数据集来评估性能。该方法在零 - shot 对话状态跟踪基准测试中取得了最先进的表现，可以准确地推断维基百科文章中的实体类型，并能够发现人工评判认为有用的新类型。

    Apr, 2022

  • OpenKI：结合开放信息抽取、知识库和关系推理的方法

    本文提出了 OpenKI 模型，通过对 OpenIE 三元组和 Knowledge Bases（KB）的整合来处理 OpenIE 的稀疏性。该模型通过进行实例级别推理来处理未知实体，并借助聚合和关注机制在关系推理中利用其邻域中的信息。实验结果表明，该方法不仅显着提高了现有 OpenIE 提取的准确率，而且还提高了面向半结构化数据的 OpenIE 表现。

    Apr, 2019

  • 重新审视知识图谱补全的推理基准

    这篇论文提出了一种新方法来设计知识图谱补全基准测试，并用这个方法产生了几个测试集，对现有的知识图谱补全系统进行了评估，结果提供了现有模型从不完整的知识图谱中引入推理模式的新见解。

    Jun, 2023

  • 知识库完整性预测

    本文研究如何利用规则挖掘和多种信号来预测知识库中可能缺失的某些事实，以提高知识库的完整性，并展示完整性预测对事实预测的辅助作用。

    Dec, 2016

  • 仅需要你一点帮助就可以发现实体

    论文提出了在缺乏背景知识和长尾实体的情况下，通过自动化生成实体出现位置的候选项并结合用户反馈来提高实体链接的准确性的方法。选择了基于梯度互缠的多样化和文本相关性方法作为生成候选项的方法，并在 FACC 数据集上进行了广泛的实验，展示了该方法的有效性。

    Oct, 2018

  • 一个可解释的知识迁移模型用于知识库完成

    本研究提出了一种新的嵌入模型 ITransF，它通过稀疏注意机制来完成知识库的补全，并在两个基准数据集（WN18 和 FB15k）上进行了评估，相对于没有使用额外信息的所有基线，ITransF 在知识库补全任务上都显示出了更好的性能。

    Apr, 2017