Aug, 2022

基于百科全书的设计创新语义网络

PDF
TL;DR本研究提出了一种语义网络构建模型 WikiLink，它可以利用维基百科的数据作为语料库，结合统计和语义权重的方法构建出高覆盖率的语义网络，并基于四种算法实现创意的启发，为概念设计的创新提供了一种思路。
data-drivendesign innovationsemantic networkwikipediaidea generation
发现论文，激发创造
  • 专业技能的语义化网络：面向社区中心任务的联结数据

    该论文探讨如何将社区技术知识在语义 Web 上进行表述，并提出了一种能够自动获取真实任务的过程性知识的新型框架。

    Oct, 2014

  • 利用锚文本信息预测维基百科链接

    本文针对维基百科上的网页结构，研究了基于锚文本信息的链接预测的困难性和算法，提出了合适的评估抽样方法及基准模型.

    May, 2021

  • 促进 Wikibase 集成的本体设计 -- 以历史数据为例

    本文介绍了如何使用一组 “公理模式” 将传统本体论建模与 Wikibase 平台结合起来，以弥合范式差异，以及对历史数据进行使用指南和示例。

    May, 2022

  • 维基百科文章的链接预测作为自然语言推理任务

    本文介绍了一种以自然语言推理为基础的链接预测方法，将链接预测任务应用于维基百科文章，并在 Data Science and Advanced Analytics 2023 竞赛中取得了优异成绩。

    Aug, 2023

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • ConceptNet 5.5: 开放通用多语言知识图谱

    本文介绍了一种与现代 NLP 技术（如单词嵌入）特别匹配的概念网路资源 ConceptNet 的新版本，它能够连接自然语言，改善它对单词意义的理解，同时对单词嵌入提供理解和应用，从而提高自然语言应用程序的性能。

    Dec, 2016

  • 利用 Wikidata 作为 Web 抽取的种子

    基于问题回答技术，本研究提出了一个能从网页中提取新事实并推荐给 Wikidata 编辑人员验证的框架，并通过利用 Wikidata 中已有的信息，无需额外学习信号便可训练该框架来提取各种属性和领域的新事实，实验结果表明平均 F1 得分为 84.07，在人类验证之前，有潜力提取数百万条事实，旨在帮助编辑人员的日常任务，完善 Wikidata 知识图谱。

    Jan, 2024

  • Wiki-CS: 基于维基百科的图神经网络基准

    我们提出了 Wiki-CS 数据集，它是从维基百科中导出来的，用于基准测试图神经网络。该数据集包含计算机科学文章对应的节点，边基于超链接和 10 个代表该领域不同分支的类别。我们使用该数据集评估半监督节点分类和单关系链预测模型，实验结果表明这些方法在一个新的领域、具有不同于以前基准测试的结构特性时表现良好。数据集和数据管道的实现以及基准实验均可公开获得。

    Jul, 2020

  • 缺失的链接是否可预测？一个知识图谱补全的推理基准

    InferWiki 是一个知识图谱完成（KGC）数据集，通过利用基于规则的训练 / 测试生成、遵循开放世界假设以及包含不同的推理模式等方法来提高推理能力和评估模型，为知识图谱推理研究提供了高质量且必要的数据集。

    Aug, 2021

  • 使用链接开放数据丰富维基数据

    本文尝试借助异构链接数据和语义 Web 技术，提出了一种新的方案来丰富 Wikidata 知识库，并使用 DBpedia 和 Getty 图像库作为实现案例，结果表明该方法可为 Wikidata 注入数百万条高质量的数据。

    Jul, 2022