知识图谱维护:一个实用框架
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
知识图谱是多样化知识的结构化表示方式,广泛应用于各种智能应用。本文综述了各种类型的知识图谱(静态、动态、时态和事件型)的演化以及知识提取和推理技术,并介绍了不同类型知识图谱的实际应用,包括金融分析的案例研究。最后,我们提出了关于知识工程未来方向的观点,包括将知识图谱和大型语言模型的能力结合以及知识提取、推理和表示的发展。
Oct, 2023
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
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
通过使用众包反馈通过视频游戏收集到的信息,GAME-KG 框架显示出是一种增强知识图谱的有效方法,同时为人类提供由其验证的可解释的结构化事实。
Apr, 2024
利用知识图谱中概念语义信息的交叉表示学习框架 CrossVal,通过嵌入三元组、绘制交叉负样本及估计每个三元组的正确性程度来有效验证知识图谱中的三元组。
Aug, 2020
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
本综述对 300 篇以上的文章进行了仔细审查,重点关注了两个主要方面的知识图谱 (KG) 相关研究,即 KG 驱动的多模式学习和多模式知识图谱 (MMKG),通过定义 KG 和 MMKG,探讨了它们的构建进展,以及 KG 驱动的多模式学习任务和 MMKG 任务,为相关研究提供了定义、评估基准和关键见解,最后讨论了当前的挑战和新兴趋势,如大型语言模型和多模式预训练策略的进展。本综述旨在作为 KG 和多模式学习研究领域的全面参考,为已经参与或考虑进行 KG 和多模式学习研究的研究人员提供洞察力,支持未来的工作。
Feb, 2024
本文描述了三代知识图谱:基于实体的知识图谱、基于文本的知识图谱和知识图谱与语言模型的集成,以及通过知识图谱演化研究思路的步骤,并展示了知识图谱在产业影响方面的技术。
Aug, 2023