QuatRE: 基于关系感知四元数的知识图谱嵌入
大型语言模型可在知识图谱上进行创新的问答,但未本质上为查询生成而设计。为弥合这一差距,提出了依赖微调或特定架构的解决方案,取得了良好结果但领域外分布泛化有限。在本研究中,我们介绍了一种名为动态少样本学习(DFSL)的新方法。DFSL 整合了上下文学习和语义相似度的效率,并为 KGQA 提供了普遍适用的解决方案,具有最先进的性能。我们在多个基准数据集和架构配置上进行了广泛评估。
Jul, 2024
提出了一种名为 UnifiedTQA 的可信赖的问答框架,它能同时支持多种类型的结构化数据,并在评估中优于现有方法,具有潜力用于更广泛的问答任务。
Jun, 2024
通过稳定扩散(SD)模型,我们引入了第一个潜伏扩散分割模型 ——SDSeg,该模型在医学图像分割中克服了资源和时间需求大、多步反向过程和多个样本预测可靠性等挑战,实验证明它在包含不同成像模态的五个基准数据集上胜过现有的最新方法。
Jun, 2024
通过自动构建知识图谱的框架、引入本体驱动和通用任务的注释工具,以及提供多样化的网页界面、工具和软件库,我们在梵语的知识系统发展中解决了挑战与机遇,尤其在问答方面。这些贡献不仅提高了梵语文本分析的可访问性和准确性,而且为知识表达和语言处理领域的进一步发展铺平了道路。最终,这项研究对于保护、理解和利用梵语文本中所蕴含的丰富语言信息具有重要意义。
Jun, 2024
使用协作增强框架 CogMG,结合知识图谱解决了大型语言模型在问答场景中的不完整知识覆盖和知识更新不匹配的问题,并通过监督微调的 LLM 在一个代理框架中展示了在减少幻觉和提高答案的事实准确性方面取得的显著改进。
Jun, 2024
我们提出了新颖的四元数激活函数,其中修改了四元数的幅度或相位,作为常用分裂激活函数的替代。我们定义了四元数激活函数相关的准则,并基于该分析提出了我们的新颖激活函数。这些激活函数考虑了四元数的特性和四元数空间 H,通过利用所有四元数的分量计算所有输出分量,从而获得了四元数卷积中的 Hamilton 乘积的优势。我们进一步讨论了所提出的激活函数的导数,发现相位影响的激活函数具有有益的属性。我们对提出的四元数激活函数进行了详细的实验评估,并与基于分裂 ReLU 和分裂双曲正切的方法在 CIFAR-10 和 SVHN 数据集上进行了比较。在其中,尤其是影响相位的四元数激活函数始终提供更好的性能。
Jun, 2024
本文提出了一种通过层次强化学习来学习知识增强语言表示的方法,该方法集成了知识图谱中的关系三元组,并通过自监督学习将这些外部数据源整合到语言模型中,以避免注入不准确或不相关的知识,并有效地提升了模型在各种自然语言理解任务上的性能。
Jun, 2024
知识图谱中的特征选择方法论及其在增强机器学习模型有效性、假设生成和解释性方面的作用,强调可扩展性、准确性和可解释性的关键重要性,并倡导结合领域知识来优化选择过程。强调多目标优化和跨学科合作在推进知识图谱特征选择方面的潜力,以及这些方法对精准医疗等领域的变革性影响。同时提出未来的研究方向,包括开发可扩展、动态的特征选择算法,并整合可解释的人工智能原则以提高知识图谱驱动模型的透明度和信任度。
Jun, 2024
整合知识图谱和大型语言模型的 medIKAL 框架能够通过对实体的加权重要性和路径重新排序等策略提升电子病历的诊断能力,为临床推理和诊断带来了新的突破。
Jun, 2024