Apr, 2016

将专业技能融入链接数据云

PDF
TL;DR本文提出了第一个将程序性知识或 “技能” 集成到 Linked Data Cloud 中的框架，通过将通用技能表示为 Linked Data 和自动获取 Web 上现有资源的表示，自动生成不同知识资源之间和其他在线知识库（例如 DBpedia）之间的链接，并展示了该框架在实际场景中的应用结果及如何优于现有的基于社区驱动的手动融合工作。
发现论文，激发创造
  • 专业技能的语义化网络：面向社区中心任务的联结数据

    该论文探讨如何将社区技术知识在语义 Web 上进行表述，并提出了一种能够自动获取真实任务的过程性知识的新型框架。

    Oct, 2014

  • 从 WikiHow 描述中学习家庭任务知识

    该论文介绍了利用深度学习和整形规划学习从自然语言语料库中提取常识性过程知识的模型以及相关实验结果。

    Sep, 2019

  • PDPK：一种用于制造业的综合流程数据和相应流程知识的框架

    使用一个可用于不同领域的综合数据集生成框架，模拟参数化流程并提供一致的流程数据，将出色的嵌入方法与知识图形进行比较，验证合成数据集的整体特征与真实数据集的可比性。

    Aug, 2023

  • KnowledgeHub：辅助科学发现的端到端工具

    该研究描述了 KnowledgeHub 工具，一种科学文献信息提取和问题回答的流程，通过支持将 PDF 文档转换为文本和结构化表示，以构建本体论，并使用基于浏览器的注释工具对 PDF 文档的内容进行注释，然后通过训练命名实体识别和关系分类模型来构建知识图谱，结合大型语言模型进行问题回答和摘要生成，支持用户全面了解知识发现流程。

    May, 2024

  • 元认知分析：对数据集和大型语言模型中的陈述性和程序性知识进行评估

    本文从新的角度为 LLMs 提供基本知识并评估其有效性，通过广泛实验得出结论：（1）在大多数任务中，声明性知识比过程性知识产生更多益处。（2）只有在简单逻辑推理任务中，过程性知识的收益才大于声明性知识。（3）随着预训练的进行和规模的增大，模型利用两种知识的能力显著提高，但速度不同。我们对这些发现进行了详细分析，为评估和增强大型语言模型提供了主要指导。

    Mar, 2024

  • 工程中融合先验知识的机器学习路径

    本研究介绍一个三级知识集成机器学习方法，在工程领域平衡整体主义和还原主义的视角，以在数据驱动的过程中转移和利用领域知识。

    Jul, 2023

  • 利用世界知识作为文件聚类的间接监督

    该论文探讨了如何使用世界知识作为间接监督来帮助学习协议，并提供了一种利用世界知识进行领域相关文档聚类的示例，该方法通过消除实体和它们类型的歧义并将数据表示为异构信息网络的方式将世界知识适应于特定领域。作者采用两个现有的知识库作为他们的世界知识来源，在两个文本基准数据集上的实验结果表明，将世界知识作为间接监督的方法可以明显优于现有的聚类算法。

    Jul, 2016

  • 机器学习中知识与数据的融合

    该研究总结和分析了现有文献，确定了研究空白和未来机遇。知识嵌入和知识发现是整合知识和数据的两种重要方法，结合知识嵌入和知识发现形成一个闭环的知识生成和使用，可以提高模型的鲁棒性和准确性，并发现之前未知的科学原理。

    Feb, 2022

  • 展示更多细节：从半结构化 Web 数据中发现过程层级

    本研究旨在构建一个基于 wihiHow 的、开放的、分层的程序知识库，通过开发一个简单且有效的方法，将文章中的步骤链接到具有类似目标的其他文章（如何选择相机），递归构建知识库，并在自动评估、人类判断和应用到下游任务（如视频检索）方面显著优于几个强基线。

    Mar, 2022

  • 众包知识学习：简要综述与系统视角

    本文从数据、模型、学习三个维度，全面回顾了 13 年来 AI 社区在众包学习领域的进展，着重提出了每个维度的一些有前途的蓝图，并探讨了过去研究的经验教训，旨在为新研究者提供指引，鼓励他们做出新的贡献。

    Jun, 2022