DualTKB: 文本与知识库之间的双重学习桥梁

EMNLPOct, 2020

DualTKB: A Dual Learning Bridge between Text and Knowledge Base

Pierre L. Dognin, Igor Melnyk, Inkit Padhi, Cicero Nogueira dos Santos, Payel Das

TL;DR本文提出了一种基于双向学习的无监督文本到路径和路径到文本转化方法，研究了弱监督对模型性能的影响，并提出了一种适用于生成模型的 Commonsense KB 完成度量。实验结果表明，该方法与现有的基线方法相比，效果明显提高，是实现自动 KB 构建 / 扩展和 KB 转化的可行方法之一。

Abstract

In this work, we present a dual learning approach for unsupervised text to path and path to text transfers in commonsense knowledge bases

发现论文，激发创造

本文提出了一种新颖的知识桥梁图网络模型，该模型使用图形在细粒度上构建跨模式语义关系的桥梁，通过自适应信息选择模式检索所需的知识，从而清晰地提取视觉对话的推理线索，并通过实验结果在 VisDial v1.0 和 VisDial-Q 数据集上展示了超越现有模型的最先进成果。

Aug, 2020

本文提出了一种有效的预训练方法，用于从非结构化文本中提取的事实的规范化和非规范化知识库，通过小数据集上实验证明其相对于已有方法的改进，不依赖于大型预先训练的模型（如 BERT）

Aug, 2021

该研究提出了一种基于 T5 架构的多任务半监督环境下联合学习文本图谱提取和图谱生成的解决方案，此方法在 WebNLG 数据集中表现优于无监督最新成果，且相较于有监督模型更具一致性。

Feb, 2022

本研究提出使用记忆网络作为增强模型来生成 KB-to-text 中的人类可读句子，实现更多信息的传递。通过从 WebNLG 中获取数据集，并对模型进行多次的评测和实验，证明了本文所提出的解决方案的有效性以及内在特性的探究。

Sep, 2022

本研究提出了一种新的嵌入模型 ITransF，它通过稀疏注意机制来完成知识库的补全，并在两个基准数据集（WN18 和 FB15k）上进行了评估，相对于没有使用额外信息的所有基线，ITransF 在知识库补全任务上都显示出了更好的性能。

Apr, 2017

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

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

该研究通过对齐知识库和文本嵌入，进行联合推理，并通过 COVID-19 案例研究，将文本信息注入知识库嵌入，从而更准确地预测新兴实体和事件的相关性。

Jun, 2021

本文提出了一种将知识库（KB）嵌入到模型参数中的方法，从而实现无需在交互中使用 DST 或模板响应以及 KB 作为输入的端到端对话系统；实验证明，基于该方法的端到端模型在各种 KB 大小下能够实现优异的性能。

Sep, 2020

本文研究实体链接在零样本链接中的应用，介绍了一种灵活的方法来将实体从任意的知识库中转化为平面字符串，与零样本链接模型配合使用，通过两种规则方法的改进，实现了模型的精度提升，实验结果表明我们的模型优于基准模型，并且本文的方法也可以无缝地结合多个训练数据集。

Oct, 2020