本研究论文基于最近对知识图谱（KG）和自然语言处理（NLP）的研究文献的调查，从企业环境的选定应用场景出发，探讨了这种组合所产生的协同效应。论文涵盖了 KG 构建、推理以及基于 KG 的 NLP 任务的各种方法。除了解释创新的企业用例外，我们还评估了它们在实际应用中的成熟度，并展望了未来的新兴应用领域。

Apr, 2024

本研究采用知识图谱来优化推荐算法，提供更加个性化的推荐解决方案，并在实验中验证了其显著的性能优势，对于领域（如电影推荐）的个性化推荐具有参考价值。

Jan, 2021

设计新的临床试验需要做出许多决策，例如定义一个队列和设置研究目标等，因此可以通过对过去临床试验记录的全面挖掘获得基于建议的好处。在这里，我们提出了一种基于临床试验的知识图谱的神经嵌入训练的新型建议方法。我们解决了这个背景下的几个重要研究问题，包括设计临床试验数据的知识图谱（KG），对其进行的各种 KG 嵌入（KGE）方法的有效性，一种新的归纳推理 KGE 的方法，以及其在生成临床试验设计建议中的应用。我们使用了来自 clinicaltrials.gov 的公开可用数据进行研究。结果表明，我们的建议方法达到了 70%-83% 的相关性分数，这是通过与实际临床试验要素的文本相似度进行衡量的，而且最相关的建议可以在列表的前部找到。我们的研究还表明了在使用节点语义进行 KGE 训练方面的潜在改进。

Sep, 2023

本文系统调查了基于知识图谱的推荐系统，从算法和数据集两个角度总结了近期发表的研究，并提出了该领域的几个潜在研究方向。

Feb, 2020

为了支持初学者研究人员进行研究调查，本研究旨在建立一种具有层次结构的树状知识图，反映研究主题的继承洞察和学术论文之间的相关洞察。

Feb, 2024

该研究通过对 19 名企业和学术背景下的知识图谱从业者的访谈，识别出知识图谱构建、探索和分析中出现的关键挑战，并探讨了可视化设计的应用，从而发现了三种不同的用户类型，以及每种类型在构建和使用知识图谱中的专业和需求。最后，从访谈分析中提取出几个可视化研究方向，以提高知识图谱的可用性。

Apr, 2023

本研究通过将知识图谱嵌入汽车购买 / 销售领域，旨在构建个性化推荐系统，并通过实验证明所提出的方法能够提供与个体用户一致的相关推荐。

Jul, 2023

该论文介绍了使用法律知识图谱构建的案例图采用预测相似节点来解决节点相似性选择节点类型和特征的挑战等问题，并提出了一种解决方案。

Jul, 2021

该篇论文介绍了一种针对工业应用量身定制的从时间序列数据中自动学习知识图谱的框架，该框架通过解决工业数据固有的复杂性将其转化为知识图谱，从而提升决策制定、过程优化和知识发现；此外，它还利用格兰杰因果关系识别可以为预测模型设计提供指导的关键属性；为了说明我们的方法的实际效用，我们还呈现了一个现实世界工业场景下应用框架的激励案例；此外，我们演示了如何将时间序列数据自动转换为知识图谱，以识别重要过程参数之间的因果影响或依赖关系。

Jul, 2024

本文系统综述知识图谱领域中的机遇和挑战。通过回顾知识图谱在人工智能系统和潜在应用领域中的机遇，以及知识图谱嵌入、知识获取、知识图谱完成、知识融合和知识推理等技术上的严重挑战，我们期望本次调查将为未来的研究和知识图谱的发展带来新的见解。

Mar, 2023