哪个知识图谱最适合我？
本研究提出了 6 个可衡量知识图谱质量的结构化质量度量标准，并分析了 5 个跨领域的知识图谱。研究结果表明，优秀的知识图谱应定义详细的类和属性以便丰富地表达现实世界的知识，并且实例和 RDF 三元组应积极使用这些类和属性。因此，本文通过关注本体论的结构和使用的程度，试图从定量角度研究知识图谱的内部质量。通过分析，可以找到仅通过大小相关的指标（例如类和属性的数量）无法得知的知识图谱特征。
Nov, 2022
本文首次提出了领域特定知识图谱的综合定义，并针对七个领域的相关学术作品，提出了最先进的知识图谱构建方法进行了全面的回顾。审视当前方法时，揭示了一系列的局限和不足，同时还强调指出了文献中现存问题和未知的研究方向。
Oct, 2020
该研究分析了 25 个已知的知识图谱上的 5 种不同知识图谱的数据集以及现有方法对于知识图谱问答的泛化能力不足的问题，提出了一种无需成本和手动努力就能重新拆分 KGQA 数据集以评估泛化能力的缓解方法，并在三个数据集上进行了实验证明了其有效性。
May, 2022
该研究调查并分析了过去十年中 100 个出版物和 98 个系统的广泛评估结果， 为知识图谱问答领域提供了一个新的开放的排行榜，强调了 KGQA 系统评估中的问题，并指出可能会对未来评估有所改进。
Jan, 2022
知识图谱是不完全的，因为世界知识不完整且受到输入的偏见影响。本文概述了几种方法，这些方法被提出来以在这种环境下回答查询。首先，我们提供了各种查询类型的概述，这些方法可以支持这些查询类型，并介绍了用于评估的数据集以及它们的局限性。然后，我们概述了不同的方法，并描述了它们的表达能力、支持的图类型和推理能力。
Aug, 2023
本文提出了 KGQAn，一个通用的 QA 系统，它不需要为每个目标 KG 进行定制，而是采用一种新颖的形式化方法将问题理解为一个文本生成问题，并通过神经序列到序列模型将问题转换为中间抽象表示。我们还开发了一个即时链接器，在查询时间使用 RDF 存储的公共可访问 API 和现有索引将抽象表示映射到特定 KG 的 SPARQL 查询，而无需任何预处理。我们在几个真实的 KG 上进行的实验表明，KGQAn 易于部署，对于任意的 KG 表现良好，优于现有的 QA 系统。
Mar, 2023
本文分析了 29 个 DBpedia 知识图谱中的 QA 组件，并提供了失败案例的看法、防止 QA 组件表现更好的特点、未来挑战和研究方向。
Sep, 2018