Mar, 2017

Fonduer：从丰富格式化数据中构建知识库

PDF
TL;DR本研究提出了一种名为 Fonduer 的机器学习 KBC 系统，它通过新的数据模型和深度学习模型，自动捕捉不同模态信息的特征，并利用 Fonduer 的编程模型，将领域专业知识转化为有效的监督信号，以提高知识库构建的效率和质量。与专家编辑的公共知识库相比，Fonduer 的质量平均提高了 41 个 F1 点，并且在某些情况下产生了 1.87 倍的正确条目。
knowledge base constructionfonduerrichly formatted datadeep learningmultimodality
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

  • 使用 DeepDive 进行增量知识库构建

    DeepDive 是一个结合数据库和机器学习思想来帮助开发 KBC 系统的系统，通过提出两种增量推理的方法，基于采样和变分技术，解决了 KBC 迭代过程中效率低的问题，并通过评估表明其可以加速 KBC 推理任务两个数量级而对质量几乎没有影响。

    Feb, 2015

  • 基于查询的多模式路径融合的多模式知识图谱完成

    本文介绍了一个基于查询的多模态知识库完成系统，其通过融合非结构化和结构化信息的多模态知识图，提出了一种多模态路径融合算法来排列候选答案，并利用查询驱动技术提高了系统效率，以证明该系统的高效性和有效性。

    Dec, 2022

  • 构建一个大规模的多模态知识库系统，以回答视觉查询

    本研究提出了一种知识库框架，通过构建一个大规模的多模态知识库来回答各种视觉查询，同时保持灵活性和可扩展性。研究表明所提系统能够取得有竞争力的结果，并能够应对更丰富的视觉查询。

    Jul, 2015

  • KBFormer：用于结构化实体补全的扩散模型

    我们开发了一种生成式基于注意力的方法，用于对结构化实体进行建模，这些实体包括不同类型的属性，如数值、分类、字符串和组合。我们的方法可以处理这种异构数据，并通过连续 - 离散的扩散过程来对属性进行建模。我们的灵活框架可以对具有任意层次属性的实体进行建模，从而能够应用于结构化知识库实体和表格数据。我们的方法在 15 个数据集中的大多数情况下都获得了最先进的性能。此外，通过设备知识库和核物理数据集的实验，证明了该模型在各种环境中学习有用的实体补全表示的能力。这对模型的固有概率特性来说非常重要，在科学应用中对数值属性进行高准确性建模也有很大好处。

    Dec, 2023

  • 面向知识密集型文本 - 结构化查询语义解析的公式化知识方法

    本文使用新的中文基准数据集 KnowSQL，提出了使用公式化知识库作为领域知识支持的重新分组（ReGrouP）框架来解决文本到 SQL 的知识密集问题，并在 KnowSQL 数据集上实现了 28.2％的整体性能提升。

    Jan, 2023

  • 基于动态多形式知识融合的开放域对话生成

    本文提出了一种基于动态多种知识融合的开放域聊天机器人模型，其中结构化的三元组来自知识图谱，非结构化的文本来自文档，并采用动态虚拟知识选择器和控制器以及新颖的动态知识内存模块来扩展知识空间，实验结果表明了方法的有效性。

    Apr, 2022

  • 基于数据效率的形式文档信息提取

    本文介绍了如何使用少量标记数据和被标记语料库进行转移学习，以实现在规模上自动从表单状文件提取信息。

    Jan, 2022

  • 基于区域的形式文件理解方法 RDU

    这篇研究论文提出了一种名为 RDU 的新的基于区域预测的文档理解模型，可以从表格文本混合的形式文档中提取结构化信息，其方法融合了布局感知和计算机视觉模型，具有出色的实验结果。

    Jun, 2022

  • 通过神经符号人工智能将规则和嵌入结合起来用于知识库完成

    通过提出两种不同的基于规则的 KBC 方法，并结合神经符号 AI，继承了布尔逻辑到实值逻辑，本文提出的模型实现了最佳的 KBC 精度，并通过将规则 - based KBC 与图嵌入相结合来解决关系路径的不均匀性。

    Sep, 2021