May, 2020

GenericsKB：通用陈述知识库

PDF
TL;DR我们提供了一个新的资源 —— 大型（3.5M + 句子）通用语句知识库，它包含从多个语料库中收集的自然生成的语句。这是第一个包含自然生成通用语句的大型资源，同时富含优质、通用、语义完整的语句。在两个需要多跳推理的现有数据集（OBQA 和 QASC）的测试中，使用 GenericsKB 可以得到比使用更大语料库更高的得分和更好的解释。这表明 GenericsKB 不仅可以成为 NLP 应用的有用资源，还可以为通用语句及其语义的语言研究提供数据。
nlpknowledge basegeneric statementsgenericskbmultihop reasoning
发现论文，激发创造
  • 引导张量因子分解的通用知识补全

    通过使用外部信息，如关系模式和实体分类法，在基础知识库或 KB 中推断出更多与通用名词或总称有关的事实，这是以前的 KB 补全方法所无法处理的。同时，在收集有关罕见实体的注释方面，我们提出了一种新的方法，可以比多个常规方法更有效地推断出这些实体的信息。

    Dec, 2016

  • Text2KGBench：基于本体驱动的文本知识图谱生成基准

    该研究论文介绍了 Text2KGBench 这个基准评估工具，可以评估语言模型的能力，从自然语言文本中生成知识图谱，并根据本体论从文本中提取事实。研究还提供了基准模型的结果和显示了使用语义网和自然语言处理技术，可以进一步提高模型性能的潜力。

    Aug, 2023

  • 基於知識圖譜的合成語料庫生成用於知識增強語言模型預訓練

    本文研究了将知识图谱转化为自然语言文本的任务，主要讨论了广泛的开放领域大规模语言生成的挑战，将知识图谱转化为自然语言文本，从而提高了语言模型的事实准确性和减少了毒性。通过对开放领域 QA 和 LAMA 知识探测的任务进行评估，表明该方法在文本检索方面有很大的优势。

    Oct, 2020

  • KG-BART: 生成通识推理的知识图谱增强 BART 模型

    通过加入知识图谱，KG-BART 提出一种新颖的预训练语言生成模型，以增强通用常识推理的能力，提高生成的句子的逻辑性和自然度，并通过 CommonGen 数据集取得了显著的效果提升，可作为后续社区感知 QA 任务的场景背景。

    Sep, 2020

  • 纠正知识库断言

    通过词汇匹配、语义嵌入和语义一致性检查，我们提出了一个纠正知识库中错误断言的框架，并在 DBpedia 和企业医学知识库上进行了评估。

    Jan, 2020

  • 构建用于机器翻译的大规模知识库

    本文研究了支持基于知识的机器翻译（KBMT）的大型本体构建，该本体合并了各种在线词典、语义网络和双语资源，以半自动的方法进行。

    Jul, 1994

  • 基于知识库的知识增强、类型约束和语法引导的问题生成

    本研究旨在解决在知识图谱子图上生成自然语言问题时，信息量不足和语义漂移的问题，提出了一种名为 KTG 的知识增强的、类型约束和语法引导的 KBQG 模型，并设计了一种奖励函数来提高生成的丰富性和句法正确性，实验证明该模型在两个广泛使用的基准数据集 SimpleQuestion 和 PathQuestion 上优于现有方法。

    Oct, 2020

  • CogNet: 联接语言知识、世界知识和常识知识

    本论文介绍了 CogNet 知识库，它致力于整合来自 FrameNet、YAGO、Freebase、DBpedia、Wikidata 和 ConceptNet 的三种知识类型：语言知识、世界知识和常识知识，以实现不同类型知识的一致性建模。我们提出了一种三层统一的框架式表示架构，并在此基础上提出了一种混合自动标注和众包注释的策略，以将自由形式的常识知识与其他结构化知识集成。CogNet 目前集成了 1000 + 个语言语义框架，2000 万 + 个世界级实例，以及 90,000 + 个常识知识断言。这些数据可以在我们的在线平台上轻松查询和探索，并可以以 RDF 格式免费下载以在 CC-BY-SA 4.0 许可下使用。

    Mar, 2021

  • KnowGL: 从文本中生成和链接知识

    使用预训练的序列生成模型将文本转换成符合给定知识图谱（如维基数 据）的结构化关系数据表示形式，并生成实体标签、实体类型及它们之间的关系， 同时建立了一个网站应用程序以帮助用户从文本信息中提取语义关系数据。

    Oct, 2022

  • 基于问题回答语料库和知识库的问题回答学习

    本论文提出了一种新型问题表示方式：模板，应用于十亿级别的知识库和百万级别的问答数据。通过学习用于特定目的的模板，系统 KBQA 可以有效地回答基础性问题和复杂问题，并在 QALD 基准测试中胜出其他工作。

    Mar, 2019