EMNLPSep, 2020

CoDEx：一个全面的知识图谱补全基准

PDF
TL;DR介绍 CoDEx，这是一组知识图谱补全数据集，来源于 Wikidata 和 Wikipedia。与现有的补全基准相比，CoDEx 在范围和难度上都有所改进，包含三个大小和结构差异的知识图谱、实体和关系的多语言描述以及数万个可信但已经被验证为错误的负三元组。在实证分析和基准实验的帮助下，我们对 CoDEx 进行特征描述和区分其与 FB15K-237 知识图谱完成数据集的区别。
发现论文，激发创造
  • 基于执行的评估方法来评估开放域代码生成

    提出 ODEX—— 自然语言处理与代码生成数据集，包含 945 组自然语言代码对、1707 个测试集，并支持四种语言，从 StackOverflow 论坛的实践操作中获得，旨在促进开放性问题的研究。ODEX 支持执行评估，强大的模型有改进空间。

    Dec, 2022

  • 缺失的链接是否可预测？一个知识图谱补全的推理基准

    InferWiki 是一个知识图谱完成（KGC）数据集，通过利用基于规则的训练 / 测试生成、遵循开放世界假设以及包含不同的推理模式等方法来提高推理能力和评估模型，为知识图谱推理研究提供了高质量且必要的数据集。

    Aug, 2021

  • 面向知识图谱的开放领域知识提取

    通过 ODKE，我们介绍了一个可扩展的框架，用于从开放网络规模化地获取高质量的实体和事实，并分享在构建和部署行业级开放领域知识图谱时所学到的经验教训。

    Oct, 2023

  • 学术知识图谱补全的三元分类

    本文提出了一种利用预训练的 transformer 语言模型来执行学术知识图谱补全的方法 ——exBERT，并在三个学术知识图谱完成数据集上表现优异，还提供了两个学术数据集作为资源。

    Nov, 2021

  • mOKB6：一个多语言的开放知识库完整性评测基准

    利用跨语言的开放信息提取的最新进展，通过多语言代词消解和保留仅有实体链接三组，构建了第一个含有六种语言的全面的开放式知识库 (mOKB6)，并通过基线模型的实验进行分析。

    Nov, 2022

  • 知识图谱补全模型的开放环境扩展

    提出了一种新颖的嵌入式知识图谱完整模型扩展，使其能够执行开放世界链接预测，该模型结合从文字语料库中学习的词嵌入和从知识图谱中学习的常规链接预测模型，通过独立训练这两个模型并进行变换，将实体名称和描述的嵌入映射到基于图的嵌入空间中，实验结果表明我们的方法在多个数据集上都取得了有竞争力的效果且无需对图和文本进行联合训练。

    Jun, 2019

  • 针对复杂金融主题的特定查询知识图谱

    本文介绍了自动化构建特定查询的文档和实体知识图谱（KGs）以及使用排名系统获取相关文件和实体之间的关系的方法，重点关注代码数据集，此外，提到了使用实体反馈技术来改善文档排名效果、适应性 KG 检索算法和基于图神经网络（GNN）的加权方法等未来的研究方向和挑战。

    Nov, 2022

  • 3D-EX：一份统一的定义和字典实例数据集

    该研究介绍了 3D-EX 数据集，它将多个英语资源整合为一个中央知识库，并通过 <term, definition, example> 三元组的形式来实现。实验结果表明该数据集可以在下游 NLP 任务中有效利用。

    Aug, 2023

  • 知识图谱补全综述

    该研究论文介绍了知识图谱在信息抽取方法中的应用，探讨了表示学习和图神经网络在知识图谱完成中的作用，以及如何利用知识图谱在下游任务中预测缺失的链接。

    Aug, 2022

  • DeepKE：基于深度学习的知识抽取工具包，用于知识库填充

    DeepKE 是一款开源的知识提取工具，支持复杂的低资源、文档级别和多模态场景。它实现了各种信息提取任务，包括命名实体识别、关系提取和属性提取。

    Jan, 2022