Apr, 2023

处理维基数据限定词的推理

PDF
TL;DR本文提出了使用分类합理化 Wikidata 知识图谱中大量 qualifiers，通过将逻辑与代数规范相结合处理推断规则的方法。
wikidataknowledge graphqualifiersinference rulesmany-sorted logical language
发现论文，激发创造
  • 发现维基数据中的意向知识

    该研究应用正式概念分析方法提取出源于 Wikidata 的易于理解的关联性，以辅助知识图谱的编辑和维护。

    Feb, 2019

  • Wikidata 是否支持类比推理？

    本文旨在研究 Wikidata 是否支持类比推理，发现 Wikidata 中关键的联合信息通常缺失或模型不一致，需要大量的人工工作才能用于类比分类，同时提出了一组指标来指导自动从 Wikidata 中提取类比的方法。

    Oct, 2022

  • Wikidata 中的常识知识

    本研究调查了 Wikidata 中是否包含与现有常识源不同的常识知识，并通过三个指导原则生成了 Wikidata 的常识子图。实验发现，尽管 Wikidata-CS 表示 Wikidata 的一小部分，但它是包含相关常识知识的指示器，可以映射到 15 个 ConceptNet 关系；Wikidata-CS 与其他常识源的重叠很小，需要进行知识集成和质量改进。基于这些发现，我们提出了三个长期改进建议。

    Aug, 2020

  • 本体概念的计量和聚合

    该论文描述了一种扩展一阶逻辑的方法，使方案更加容易修改，并引入了一个保护机制来保证公式的正确性，同时将该方案应用于四个不同问题领域的知识表示中。

    Feb, 2022

  • 预测或比较：走向可解释的定性推理

    本研究通过将定性关系任务分类成预测和比较两种类型，并采用端到端训练的神经网络模块来模拟这两种推理过程，实验结果在两个问答数据集 QuaRTz 和 QuaRel 上展示了我们方法的有效性和泛化能力，并提供模块的中间输出来使推理过程更容易解释。

    Jun, 2021

  • 一种用于表示、推理和查询注释语义 Web 数据的通用框架

    本文描述了一种通用的框架用于表示和处理具有注释的语义 Web 数据，包括其语言、演绎系统和查询回答问题。通过实例化它，我们显示了以前关于特定 RDF 注释域的贡献被我们的统一推理形式所包含。此外，我们提供了一种通用方法，用于组合多个注释域，从而允许表示临时注释的模糊 RDF 等。同时，我们还开发了一种查询语言 AnQL，并提供了其语义的形式定义。

    Mar, 2011

  • 实体和数值知识图谱推理

    本文提出了一种基于数量推理的复杂逻辑查询解答方法，使用 Number Reasoning Network 框架来分别编码实体和数值，实现了关于数值和实体值的不同处理后，有效地解答了问题，并在三个不同的知识图上获得了最新的状态

    Jun, 2023

  • 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

  • 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

  • LitCQD：使用数字文本处理不完整知识图谱中的多跳推理

    本文提出了 LitCQD，一种用于回答具有数字文字值的多跳复杂查询的方法，该方法可回答具有数字答案或满足数字约束的实体答案的查询。

    Apr, 2023