知识图谱中地理事件因果建模的地理情境
本文介绍了我们的 GeoAI(地理空间人工智能)解决方案,通过一组空间和时间启用的语义规则,来识别事件,特别是灾害事件之间的因果关系,在灾害事件建模的用例中,我们演示了如何利用这些定义的规则实现自动提取不同事件之间的因果关系。
Nov, 2022
地理知识图谱是一种新的范式,用于表示和推理地理空间信息,其基于图形数据格式为建立可管理和分析地理信息的 FAIR 环境提供了基础,并在地理和环境科学中扮演着桥接符号和子符号 GeoAI 以应对跨学科地理空间挑战的角色,同时也提出了与地理知识图谱相关的新的研究方向。
May, 2024
人类使用因果关系和假设的回顾来进行日常决策、计划和理解生活事件。AI 系统需要更丰富的因果关系表示来支持干预和反事实推理,以提高人类对 AI 系统的理解。Causal Knowledge Graph(CausalKG)框架利用最近的因果关系进展和 KG,提供了一种领域适应型的因果模型,用于表示 KG 中的复杂因果关系,并支持反事实推理和干预,从而实现了领域可解释性。
Jan, 2022
通过将自由文本与事件中心知识图关联,本研究提出了一个综合框架 EventGround,旨在解决上下文化叙事推理的问题,并通过基于图神经网络和大型语言模型的图推理模型,在取得了最新成果的同时提供可解释性证据。
Mar, 2024
本文提出了一种新颖而轻量级的事件中心知识图谱结构,允许查询包括视角依赖和叙事方面,并证明了主观归属的有效结合,展示了为叙事查询处理专门定制的索引的好处。
May, 2022
本文提出了一种从各种数据源吸收文化遗产实体及其连接的多跳知识到地理本地化 KG 中的框架,并提出了一种基于地理及知识连接的文化遗产实体间相对距离的多视图学习模型。
Sep, 2022
本文介绍了一种自动地从文本中找到政治事件发生地点的方法,基于一个包含 8,000 个标签的句子集合,使用了一种将自动提取的事件和文本位置联系起来的方法,该模型在注释任务上达到了人类水平表现,胜过了先前的事件地理定位系统,并可应用于大多数地理环境下的事件提取系统。本文形式化了事件 - 位置链接任务、描述了神经网络模型,并演示了一个工作流来回答叙利亚内战中传统军事攻势导致平民伤亡的开放性问题。
May, 2019
本文提出了一种基于自然语言问题查询的方法,使用一个经过微调的语言模型 (M),通过迭代构建相关后果的图形来显式地构建结构化情境图 (st-graph)。CURIE 生成的 st-graph 在多个领域中显示出人类发现有关和有意义的新情况的结果。通过在输入中添加我们生成的情境图,CURIE 生成的 st-graph 在情境推理终端任务 (WIQA-QA) 上的准确度提高了 3 个点。
Apr, 2021