Apr, 2022

Saga: 面向规模化知识持续构建和服务的平台

PDF
TL;DR介绍了 Saga，它是用于为行业规模的知识基础应用提供动力的下一代知识构建和服务平台。该平台采用混合式批量增量设计，持续整合关于现实世界实体的数十亿个事实并构建一个中央的知识图，支持具有不同要求（包括数据新鲜度、准确性和可用性）的多个生产用例。在本文中，我们讨论了工业规模的知识图构建所涉及的独特挑战，并回顾了 Saga 的主要组件以及它们如何解决这些挑战。最后，我们分享了从由 Saga 提供动力的广泛的生产用例中所学得的经验教训。
sagaknowledge constructionknowledge-based applicationsknowledge graphproduction use cases
发现论文，激发创造
  • 构建和服务大型开放领域知识图谱

    本文介绍了基于领域知识图谱的 Saga 平台，包括训练知识图谱嵌入和创建语义注释服务，以及使用注释 Web 文档来驱动开放领域知识抽取。同时，我们还描述了构建和处理个人知识的平台适应。

    May, 2023

  • 知识图谱的构建：现状与挑战

    本文论述如何为知识图谱的建设和持续更新提供通用管道，谈论了高质量 KG 的必需步骤，包括元数据管理，本体开发和质量保证，并对 KG 建设工具和策略的现状进行评估和总结，并提出了需要进一步研究和改进的领域。

    Feb, 2023

  • ASAGA: 异步并行 SAGA

    ASAGA 是 SAGA 的异步并行版本，具有快速线性收敛率。通过重新访问并澄清了一些细微但重要的技术问题，ASAGA 不需要稀疏假设即可在多核系统上获得线性加速，并通过 40 核架构的实现结果展示了实际加速以及硬件开销。

    Jun, 2016

  • SAGA: 具有非强凸复合目标支持的快速增量梯度方法

    介绍了一种新的优化方法 ——SAGA，它是在最近提出的一组具有快速线性收敛率的增量梯度算法：SAG、SDCA、MISO 和 SVRG 的基础上提出的。SAGA 改进了 SAG 和 SVRG 的理论，具有更好的理论收敛率，并支持在规则化器上使用近端算子的复合目标。与 SDCA 不同，SAGA 直接支持非强凸问题，并且适应于问题的任何内在强凸性。 我们给出了实验结果，表明我们的方法的有效性。

    Jul, 2014

  • 百亿级预训练多模态商业知识图谱的构建与应用

    本文介绍了基于企业阿里巴巴集团的知识图谱的构建过程及其应用，形成了一个前所未有规模的公开业务知识图谱 OpenBG，其中覆盖了各种抽象产品和消费需求，包括精细的分类和多模态事实，并分享了 OpenBG 基准资源以及基于 OpenBG 基准的在线竞赛结果。

    Sep, 2022

  • 迈向知识图谱模式收集、分析和嵌入的网关

    LiveSchema 是一个旨在利用现有的本体论和知识图谱等关系数据资源的网关，并提供了聚合其他源目录和仓库、查询、转换为概念分析矩阵以及生成模型和张量的功能。

    Nov, 2023

  • LiveSchema: 以知识图谱模式为学习目标的网关

    该论文介绍了 LiveSchema 举措，即提供一系列服务以轻松访问、分析、转换和利用知识图谱模式，以促进机器学习方式下对这些资源的重复利用。

    Jul, 2022

  • SKG: 一种用语义知识图谱对学术论文进行信息检索和分析的通用框架

    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

  • 分布式 SAGA：有限通信维持线性收敛速率

    本研究提出了一种用于 SAGA 的分布式方案，该方案可以在节点间通信受限的情况下仍保持线性收敛速度，从而解决了大型数据集和集群推广时快速分布方法的需求。

    May, 2017

  • 基于查询的知识图谱工业分析与本体重塑

    该研究提出了一个本体重塑方法，将本体转化为更好地反映底层数据并帮助构建更好的知识图谱的知识图谱模式，从而解决工业分析中的低质量知识图谱可能带来的问题，由此提高了 SPARQL 查询的训练效率和知识图谱的可扩展性。

    Sep, 2022