通过利用先进的自然语言处理技术，从过去十年中所有高质量研究论文中提取数百万个三元组，将无结构信息组织为九个不同类别的标签，并与论文的数字物体识别符无缝集成，Functional Materials Knowledge Graph（FMKG）作为最新的功能材料结构数据库，为加速功能材料开发和构建更全面的材料知识图谱奠定了基础。同时，我们的研究为实用的基于文本挖掘的知识管理系统奠定了基础，不仅适用于复杂材料系统，也适用于其他专业领域。

Apr, 2024

利用知识图谱和 ChatGPT 相结合，提出了一种整合自下而上本体论和先进机器学习模型的方法，从结构化和非结构化数据源中发展出制造服务知识图谱，用于解决数字供应链网络中复杂的查询，并具有更好的可靠性和可解释性。

Apr, 2024

本篇论文探讨了知识图谱的构建与查询，结合深度学习、信息检索和自然语言处理等学科展开研究，提出了一些新的挑战和机会。

May, 2023

介绍了一个名为 FactKG 的新数据集，该数据集包含 108k 个自然语言声明及其相关类型的推理，旨在通过推理知识图谱来进行事实验证，并开发了基于这些推理类型的基线方法，以提高知识图谱的可靠性和实用性。

May, 2023

本论文提出一种数学知识图谱（Math-KG），通过自然语言处理技术利用百度百科和维基百科构建，旨在解决在线教育平台上的信息过载和知识跟踪问题，并提供了一个简单的应用系统进行实验验证。

May, 2022

本论文提出了一种针对电子信息专业的自动化知识提取，可视化知识图谱构建和图形融合的框架，旨在通过探索学科交叉的热门知识概念，增强学习效率，提高学生对其专业各个概念和课程之间关系的全面理解，探索由人工智能实现的新教育范式。

May, 2023

提出了一种基于知识图谱和实体关系子图的文档丰富方法，通过新的组合优化问题求解算法实现了紧凑、具有代表性和相关性的 ERG，利用本体知识对 ERG 进行排序，实现了在有效丰富的同时保证了相关性和紧凑性。

May, 2020

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

本文首次提出了领域特定知识图谱的综合定义，并针对七个领域的相关学术作品，提出了最先进的知识图谱构建方法进行了全面的回顾。审视当前方法时，揭示了一系列的局限和不足，同时还强调指出了文献中现存问题和未知的研究方向。

Oct, 2020

该论文提出了一种异构的、可持续的 K-12 教育知识图谱 EDUKG, 其中包含了一个交叉学科的本体论、一种从教科书中提取事实知识的方法以及一种通用的实体链接系统。EDUKG 已经发布并且包含超过 2.52 亿个实体和 38.6 亿个三元组。

Oct, 2022