EventKG:一个多语言的以事件为中心的时序知识图谱
本文介绍了一个事件中心的时间知识图 EventKG,包含超过 690,000 个事件和超过 2.3 million 的时间关系,并描述了如何使用该知识图生成人物传记时间线。
May, 2019
本文介绍了开放事件知识图谱(OEKG),它是一个多语言、事件中心、时间性的知识图谱,由来自多个应用领域的七个不同的数据集组成,包括问答、实体推荐和命名实体识别。这些数据集通过一个易于使用和稳定的管道集成,通过与事件中心的知识图 EventKG 链接,描述了它们的公共模式,并在三个用例中演示了 OEKG 的用法:类型特定的图像检索、基于知识图谱和新闻文章的混合问答以及语言特定的事件推荐。 OEKG 及其查询端点是公开可用的。
Feb, 2023
本研究提出了一种新的方法 EvoKG,能够联合建模事件时间和演化网络结构,采用循环事件建模和基于时间邻域聚合框架模拟 TKG 中的结构和时态动态,使用神经密度估计实现事件时间的准确建模,并通过实验证明了其效果和效率均比现有方法更好。
Feb, 2022
本研究介绍了 Event-QA 数据集,该数据集专注于回答关于事件的问题,针对现有 QA 系统和数据集关注于实体问题的情况,提供了一种新的回答事件问题的方法。
Apr, 2020
本文提出一种使用 Wikidata 知识库的方法来产生新闻文章的语义注释,并描述了一种语义搜索引擎,支持基于关键词的搜索和结构化数据搜索。
Apr, 2019
本文基于一种时间知识图谱,提出了一种同时兼顾事件因果关系和时序性的逻辑和常识指导嵌入模型(LCGE),可充分考虑事件间的同时性和时序性,并且在常识知识的基础上,通过规则引导建立谓词嵌入标准化策略,从而提高了事件预测的准确率,并且具有可解释性。
Nov, 2022
知识图谱是多样化知识的结构化表示方式,广泛应用于各种智能应用。本文综述了各种类型的知识图谱(静态、动态、时态和事件型)的演化以及知识提取和推理技术,并介绍了不同类型知识图谱的实际应用,包括金融分析的案例研究。最后,我们提出了关于知识工程未来方向的观点,包括将知识图谱和大型语言模型的能力结合以及知识提取、推理和表示的发展。
Oct, 2023
通过将自由文本与事件中心知识图关联,本研究提出了一个综合框架 EventGround,旨在解决上下文化叙事推理的问题,并通过基于图神经网络和大型语言模型的图推理模型,在取得了最新成果的同时提供可解释性证据。
Mar, 2024
利用自然语言处理技术,结合知识图谱的构建和上下文关系,利用 Transformer 技术从文本中提取事实信息以构建全面的基于图的事件表示。
Mar, 2023