Jul, 2022

LiveSchema: 以知识图谱模式为学习目标的网关

PDF
TL;DR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。
knowledge graphalgorithmsschemamachine learningliveschema
发现论文，激发创造
  • 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

  • 将图形模式作为传递学习、推理和规划的抽象

    本研究提出基于模式的抽象模型，该模型的经验可用于迅速的迁移学习、推理和规划，利用潜在的图结构将已有的经验转化为知识，通过学习、匹配和重用图模式实现快速的任务解决，并在导航等更具挑战性的环境中进行演示。

    Feb, 2023

  • ML-Schema: 用 Schema 和本体揭示机器学习的语义

    本文提出了 ML-Schema，这是一个用于表示和交换机器学习算法、数据集和实验信息的顶级本体和规范，通过这一规范，或许能够实现更好的可解释性和实验的完全互操作性。

    Jul, 2018

  • 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

  • SMiLE：基于模式增强的多级对比学习用于知识图谱链接预测

    文章介绍了一种基于模式约束的多级对比学习方法 (SMiLE)。实验结果表明该方法能有效地进行知识图谱中的链接预测，并比现有技术取得更好的效果。

    Oct, 2022

  • 可适应架构的知识图谱构建

    提出了一种自适应架构的知识图谱构建方法，可以在动态变化的架构图中提取实体、关系、事件，并通过基准测试和实验结果证明其有效性。

    May, 2023

  • 可解释图像分类模式推断

    本文提出了一种基于 schema 推理的新型推理范式，该范式通过构建先前的深度神经网络（DNN）转发方案重建来学习演绎地推断出可解释的预测，同时建立了一种模型推断管道，利用人类推理机制的印象匹配类比，将图像中提取的视觉概念与先前计算得到的场景印象联系起来，建立了顶部关系图来模拟输入实例的视觉语义和目标类别的抽象想象。同时，引入了一种通用的 Feat2Graph 方案，可以在全局视角下捕捉和利用视觉语义的组成贡献，以建立包含丰富交互信息的关系图。该提出的 schema 推理方法在多个基准测试中达到了令人鼓舞的性能，并揭示了导致预测的演绎过程的清晰图片。

    Mar, 2023

  • 人机交互的模式识别

    使用 GPT-3 驅動的人機交互式 Schema induction 系統，能夠更輕鬆地在新領域中識別模式，並減少人工監管的負擔，從而生成更好的圖形表示。

    Feb, 2023

  • 一个人机协作框架用于模式开发

    提出了一个新的框架，通过将人类和机器的智能结合起来，合作设计新的 Winograd schemas，从而解决 Winograd Schema Challenge 中的人工智能问题。

    Feb, 2024

  • 实现可扩展的多领域对话代理: Schema-Guided 对话数据集

    本文介绍了 Schema-Guided Dialogue (SGD) 数据集，包括 16 个领域的 16,000 个多领域对话。SGD 数据集提供了一个具有挑战性的测试平台，可以用于测试任务包括语言理解，位置填充，对话状态跟踪和响应生成。文章也提出了一个基于模式的任务导向对话的范式，尤其是在输入中提供了一组动态的意图和插槽自然的语言描述，提高了对大量服务形态的支持和新服务的快速集成。

    Sep, 2019