Jul, 2016

利用世界知识作为文件聚类的间接监督

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 通过利用未标注文档提高实体链接性能

    本研究提出一种基于未标记的自然文本和维基百科的无监督学习方法，探索实体链接，使用潜在变量的主题模型学习本地语境和文档中其他实体的相互衔接，结果表明该方法优于现有的有监督的系统，应该是一种普遍适用于自然语言处理领域的方法。

    Jun, 2019

  • 无监督从文本和代码构建知识图谱

    利用无监督学习方法构建知识图谱，将自然语言概念实体与源代码实体相关联，结合词嵌入、降维和聚类技术的文本概念聚类方法，用于帮助科学家理解、组织和比较开放科学生态系统中的软件，并增强对科学文献的整体理解。

    Aug, 2019

  • 机器知识：全面知识库的创建和维护

    这篇文章概述了创建和管理大型知识库的基本概念和实践方法，重点介绍了发现和规范实体及其语义类型、自动提取基于实体的属性以及构建开放架构和知识管理的方法。

    Sep, 2020

  • 基于树形结构的监督聚类方法实现实体链接和发现

    本文提出了一种基于最小有向树的新型训练和推断程序，从而完全利用提及之间的亲和关系来进行实体链接和发现，并在 Zero-Shot Entity Linking 数据集和 MedMentions 数据集中展示出显著的性能提升。

    Sep, 2021

  • 一个主题感知的图神经网络模型用于知识库更新

    基于用户查询日志，构造主题感知的图网络进行知识更新，通过实体属性图训练GNN实体更新模型以确定实体是否需要同步，并使用最小编辑次数算法将过滤的实体与知识库中的实体进行匹配和更新。

    Aug, 2022

  • 作者之团：从社交网络上下文中消除姓名歧义

    研究使用关联网络和BERT来进行实体链接和共指消解，发现在领域内语言建模预训练和出版物信息可以显著提高任务性能，提出一种新的监督聚类推断模型并在两个数据集上进行了实验证 显示其具有竞争性能。

    Aug, 2022

  • 开放研究知识图谱中语义谓词的聚类

    本文介绍了一种使用两个基于人工智能的聚类算法来推荐 Open Research Knowledge Graph（ORKG）中资源有关谓词（在 RDF 语句中）的方法，以促进 ORKG 中术语汇聚的服务。实验证明，该方法具有很高的准确性和相对较高的召回率，并提供了有关谓词组的新见解，这些谓词组自动在跨 44 个研究领域的学术知识的语义化模式中积累。

    Oct, 2022

  • 社交世界知识: 建模与应用

    本文提出了一种从社交网络中提取实体向量的框架——SocialVec，并将其应用于衡量新闻来源的政治偏向和预测个人特质两项任务中，展示了比基线方法优越或有竞争力的表现。

    Jun, 2023

  • 外部引导下的图像聚类

    本文提出了一种新的聚类方法（TAC），利用外部知识作为一种新的监督信号来引导聚类，同时采用了文本和图像模态的相互作用，通过跨模态邻域信息相互影响来改进图像聚类性能。实验证明，TAC在包括全面的ImageNet-1K数据集在内的五个广泛使用的和三个更具挑战性的图像聚类基准上取得了最先进的性能。

    Oct, 2023

  • Docs2KG: 基于大型语言模型辅助的异构文档统一知识图谱构建

    本文介绍了Docs2KG，一种从不同和异构的非结构化文档中提取多模式信息的新框架。Docs2KG可以动态生成表示提取的关键信息的统一知识图，从而实现对文档数据湖的高效查询和探索。该框架与现有方法不同，它提供了一种灵活可扩展的解决方案，可以适应各种文档结构和内容类型。Docs2KG通过统一的数据处理支持多种下游任务，提高了领域解释能力。

    Jun, 2024