Jul, 2021

WikiGraphs：一组维基百科文本 - 知识图谱配对数据集

PDF
TL;DR我们提供了一个新的数据集 WikiGraphs，其中包括每篇维基百科文章和一个知识图，以促进条件文本生成、图形生成和图形表示学习的研究。通过在建立 WikiText-103 基准的每个维基百科文章上与 Freebase 知识图中的一个子图配对，我们的新数据集具有显着的规模，可以轻松评估其他最先进的文本生成模型。我们在数据集上展示并比较了基线图神经网络和变压器模型的 3 种任务结果：图形 -> 文本生成、图形 -> 文本检索和文本 -> 图形检索。文中指出，更好的条件图形可以提高生成和检索的质量，但还有很大的改进空间。
发现论文，激发创造
  • 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

  • GraphextQA：评估图增强大语言模型的基准

    这篇文章介绍了将图谱模态集成到大型语言模型中的挑战，并提出了一个用于评估和发展图谱 - 语言模型的问答数据集 GraphextQA，同时介绍了一种名为 CrossGNN 的基准模型。通过实验证明了使用图谱的有用性和该任务的困难性。

    Oct, 2023

  • 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

  • 通过探索知识图谱进行实体描述生成

    本文介绍了一个大规模、有挑战性的数据集，以促进知识图谱到文本分类的实际场景研究，同时提出了一种多图结构和聚合方法，以更全面地代表原始图信息，并成功解决信息丢失和参数爆炸的问题。

    Apr, 2020

  • 基于循环评估的配对知识图谱 - 文本数据集构建

    使用知识图谱和文本配对的数据集可以训练生成文本和生成知识图谱的前向和反向神经模型，但在配对不等效的数据集上训练的模型可能会导致更多的错误生成和较差的回想。本文通过生成具有不同噪声水平的数据集并进行实证验证了这一点，并通过循环评估发现人工创建的 WebNLG 比自动生成的 TeKGen 和 T-REx 要好。基于这些观察，我们构建了一个名为 LAGRANGE 的新的改进数据集，使用旨在改善知识图谱和文本之间等效性的启发式方法，并展示了每个启发式方法对循环评估的影响。我们还使用大型语言模型构建了两个合成数据集，并观察到这些数据集有助于在文本的循环生成上取得显著性能，但在知识图谱的循环生成上不够有效，可能是因为缺乏一致的底层本体论。

    Sep, 2023

  • 从文本生成知识图谱

    提出了一种通过对文本输入进行多阶段知识图谱生成的系统，并通过使用预训练的语言模型生成图节点，然后使用简单的边构造头部来使得从文本中提取知识图谱效率更高。该模型在 WebNLG 2020 挑战数据集，New York Times（NYT）和大规模 TekGen 数据集上表现不错，超过现有基线。

    Nov, 2022

  • 一个无监督的联合系统：从知识图谱和语义解析生成文本

    通过无监督文本生成的方法，本研究旨在解决知识图谱不同领域自动转换的问题，同时，为了避免短缺的领域特定数据对自动转换造成的影响，本研究还提出了一种无监督语义分析的方法。

    Apr, 2019

  • 一个多任务半监督框架用于 Text2Graph 和 Graph2Text

    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

  • WikiDes: 一份基于维基百科的数据集，用于从段落中生成简短描述

    介绍了一个新的名为 WikiDes 的数据集，利用 T5 和 BART 等预训练模型实现了基于传递学习和对比学习的短描述生成和排名。结果表明，该方法在文本摘要中的表现优于传统方法，并可用于生成缺失的描述，丰富 Wikidata 知识图谱。

    Sep, 2022

  • WikiTableT: 为生成维基百科文章章节而设计的大规模数据转文本语料库

    本文针对将生成维基百科文章作为一种数据到文本生成任务的问题，创建了一个大规模数据集 WikiTableT，该数据集包含了数以百万计的实例，覆盖了广泛的主题，并且包含了多种不同水平灵活性的生成任务。在该数据集上进行了多种训练和解码策略的评估和分析，结果表明最佳方法能够生成流畅和高质量的文本，但它们在连贯性和真实性方面仍面临挑战，这表明该数据集可以激发未来关于长篇文本生成的研究。

    Dec, 2020