在这篇论文中，我们展示了能够为低资源语言开发有效且成本低廉的 OpenQA 系统的关键要素，其中包括利用机器翻译标注数据的弱监督和目标语言中相关的非结构化知识源。我们以土耳其语为挑战性案例研究，通过 ColBERT-QA 对 SQuAD-TR 进行了调整来构建我们的 OpenQA 系统。在使用两个跨足两年的维基百科转储版本的基础上，我们与基于 BM25 和 DPR 的 QA 读取器模型相比，在 EM 得分上获得了 9-34% 的性能提升以及 F1 得分上的 13-33% 的性能提升。我们希望我们的结果可以鼓励研究人员在其他低资源语言中构建 OpenQA 系统，并将所有的代码、模型和数据集公开提供。

Jan, 2024

通过自然语言处理从科学文献中挖掘非结构化文本作为知识图谱的数据源，探讨了利用自然语言处理构建和分析知识图谱在药物发现领域的前景和陷阱。

Oct, 2023

本文比较了六个知识库问答系统在八个基准数据集上的表现，研究了各种问题类型、属性、语言和领域，提出了一个高级的映射算法来帮助现有模型取得更好的结果，并开发了一个 COVID-KGQA 的多语言语料库来鼓励 COVID-19 研究和多语言多样性的未来 AI，此外还讨论了主要发现及其影响、性能指南和一些未来改进。

Nov, 2022

本文介绍了基于预训练语言模型的知识增强模型（PLMKEs）的当前进展，并通过分析三个重要组成部分：知识来源，知识密集型 NLP 任务和知识融合方法来介绍其挑战和未来方向。

Feb, 2022

本文介绍了一种利用外部知识提高人工智能任务性能的方法，将其应用于视觉语言理解、机器翻译和图像字幕制作等任务，并且在这些任务建模中显著提升表现。

Jan, 2023

本文提出了一种基于 SPARQL 查询的多语言语义 Web 知识库问答（QA）方法，能够查询多个知识库，可轻松移植到其他知识库和语言。通过对五个不同的知识库和五种语言的评估，证明了该方法的影响。

Mar, 2018

本文提出一种基于 pipeline 分解方法的系统，能够回答复杂的自然语言查询，帮助工程师访问建模轨道空间碎片环境的知识库中的信息。该系统可以利用 GPT-3 生成的半合成数据和跨领域数据来进行训练，从而减少过拟合和快捷学习。

May, 2023

该论文提出了一种名为 OASYS 的自动知识库构建系统，可以从文档中挖掘数据，生成域不可知的训练数据。该系统在韩语使用中表现良好，并构建了一组新的韩文维基百科语料库，用于辅助系统评估。

Jun, 2022

通过使用知识图谱增强任务特定的训练程序，我们提出了 KnowledgeDA 作为一个统一而低代码的领域语言模型开发服务，实现了两个领域的语言模型学习，并进行了五项领域特定 NLP 任务的实验证明。

Dec, 2022

本文提出 KB-InfoBot，这是一个多轮对话代理，帮助用户在不需要编写复杂查询的情况下搜索知识库。通过将符号查询替换为对知识库的感兴趣实体的 “软” 后验分布的较强检索过程，并将其与强化学习器集成，可以在模拟和实物用户上实现更高的任务成功率和奖励。同时，我们还提出了一个完全神经化的端到端代理，其完全是根据用户反馈进行训练，并探讨了其向个性化对话代理的应用。

Sep, 2016