Jun, 2021

SemEval-2021 任务 11：NLPContributionGraph—— 为研究知识图谱构建学术 NLP 贡献分类结构

PDF
TL;DR该论文介绍了 SemEval-2021 的任务，主要是在英文文献 NLP 领域中，开发自动化系统进行结构化内容解析，构建知识图谱，最终 7 个团队中的 27 位参与者共同完成了该任务。
semeval-2021nlpstructured contentautomated systemsknowledge graph
发现论文，激发创造
  • 端到端自然语言处理知识图谱构建

    这篇论文研究了从科学论文中构建 NLP 知识图谱的端到端构建方法，重点在提取四种类型的关系：任务和数据集之间的关系，任务和评估指标之间的关系，以及相同类型实体之间的关联关系。通过将 SciNLP-KG 框架应用于 ACL 文献库中的 30,000 篇 NLP 论文构建了一个大规模的知识图谱，可支持自动构建 NLP 领域的科学排行榜，并且实验结果表明：所得知识图谱包含高品质信息。

    Jun, 2021

  • 自然语言处理中知识图谱十年调研

    对自然语言处理中知识图谱相关研究领域进行综合调研，总结任务分类、相关贡献和研究进展，并提出了未来研究方向

    Sep, 2022

  • 知识图谱补全的联合语义和结构嵌入

    本文提出了一种采用预训练语言模型的方法，将知识三元组的语义信息与其结构信息一起嵌入到自然语言描述中，以提高知识图谱补全任务的性能，特别是在低资源环境下表现更佳。

    Sep, 2022

  • 基于知识图谱的神经网络在自然语言处理中的应用

    提出了一种增强学习模型的方案，即通过知识图谱的事实三元组来为自然语言处理任务提供上下文知识，并采用基于卷积的模型来减少关注空间，从而大大提高了文本分类和自然语言推理任务的性能。

    Feb, 2018

  • 基于结构增强的文本表示学习用于高效的知识图谱补全

    本研究旨在整合知识图谱的图嵌入和文本编码技术，以提高自动完成知识图谱的性能，实现更精确的链接预测和结构学习。实验结果表明，该方法能实现与文本编码方法相比 1-2 个数量级的推理成本减少和最先进的性能表现。

    Apr, 2020

  • 在 Semantic Scholar 中构建文献图谱

    通过 NLP 技术构建一个规模巨大的异构图，用于组织已发表的科学文献，并且在 www.semanticscholar.org 上使用此系统以实现语义功能。

    May, 2018

  • 药物发现知识图谱的自然语言处理：前景与风险

    通过自然语言处理从科学文献中挖掘非结构化文本作为知识图谱的数据源，探讨了利用自然语言处理构建和分析知识图谱在药物发现领域的前景和陷阱。

    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

  • 用于语义网络填充的多任务预训练语言模型

    本文研究如何提高知识图谱的完整性，通过引入 LP-BERT 模型，并结合语义匹配以及数据增强的方法，实现了知识图谱补全任务的最新成果，优于现有最佳表现。

    Jan, 2022

  • 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