本文介绍了一种使用两个基于人工智能的聚类算法来推荐 Open Research Knowledge Graph（ORKG）中资源有关谓词（在 RDF 语句中）的方法，以促进 ORKG 中术语汇聚的服务。实验证明，该方法具有很高的准确性和相对较高的召回率，并提供了有关谓词组的新见解，这些谓词组自动在跨 44 个研究领域的学术知识的语义化模式中积累。

Oct, 2022

本文描述了如何构建一个特定领域的知识图谱，以帮助癌症生物标志物的发现和查询，并使用语义技术和信息抽取方法集成相关领域的知识和数据，提供交互式解释和问题回答。

Feb, 2023

RNA-KG 是一个包含来自 50 多个公共数据库的 RNAs 的生物知识图谱，集成了与基因、蛋白质和化学物质的功能关系以及本体论基础的生物医学概念；通过利用基于实例的语义抽象知识模型生成 RNA-KG，并对其进行拓扑分析，RNA-KG 可以被直接探索、可视化，或通过计算方法推断其异质节点和边缘中的生物医学知识。

Nov, 2023

我们提出了一种可扩展的文件摄取系统，将数据库和出版物中的数据（以 PDF 格式）集成到生物化学知识图表（BCKG）中。BCKG 是一个全面的知识源，可以查询以检索已知的生物化学事实并生成新的见解。我们展示了我们的系统在碳水化合物酶领域的应用，BCKG 代表了一种自动利用先前知识加速生化科学发现的方法。

Jul, 2019

开发了一个基于领域知识图谱和语义推理的癌症特定生物标志物发现和交互式问答系统，使用生物医学数据、领域本体论、信息提取方法以及大型语言模型进行知识图谱的构建和更新。

Oct, 2023

使用计算机辅助工具的知识获取，构建 Open Research Knowledge Graph 并整理自科研论文中提取的关键见解。

Aug, 2023

描述了 Orkg-Leaderboard 软件的设计和应用，该软件能够从大量的人工智能实证研究论文中自动提取以任务 - 数据集 - 指标三元组定义的排行榜，并且能够支持学术出版的主要流程，以 LaTeX 文件或 PDF 文件的形式发布，同时结合 Open Research Knowledge Graph 平台实现与语义 Web 基础设施的有机整合，使得系统输出的信息能够被机器进行操作和理解。该应用还能追踪 AI 发展的进程和状态，提供实时动态的信息服务。

May, 2023

医疗知识图谱自动化 (M-KGA) 是一种创新方法，通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强，以整合预训练嵌入向量，从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法，以发现知识图谱中隐藏的连接，通过对电子健康记录中 100 个频繁出现的医学概念进行严格测试，展示了有望解决现有知识图谱自动化技术限制的潜力。

Apr, 2024

本文提出语义知识图谱（SKG）来集成抽象和其他元信息中的语义概念以表示语料库，并利用半监督流程进行实体抽取和实体标准化，以及设计了一个数据流系统来展示如何灵活和交互地进行各种语义查询。最后，在可视化文献的基础上进行研究并提供现实世界的用例来展示 SKG 的有用性。

Jun, 2023

本文介绍了如何使用 Amazon Alexa 语音界面对知识图谱进行问答。以包含 113 万个基因 - 疾病关联的 DisgeNET KG 为例，研究表明 Alexa 可以帮助从大规模知识库中查找有关某些生物实体的信息。

Oct, 2022