May, 2023

ExeKGLib: 知识图谱激励的机器学习分析

PDF
TL;DR本文介绍了 ExeKGLib，这是一个基于知识图谱的 Python 库，允许具有编码技能和最少机器学习知识的用户构建机器学习管道，提高了建立的 ML 工作流程的透明度和可重用性，并与传统 ML 代码进行比较以展示其优势。
machine learningpython libraryknowledge graphsml pipelinestransparency
发现论文，激发创造
  • AutoGL：自动化图学习库

    AutoGL 是首个自动机器学习图形的库，我们提出了包含四个模块的自动机器学习流程：自动特征工程、模型训练、超参数优化和自动集成，其中每个模块都提供了多种最先进的方法和灵活的基类和 API。

    Apr, 2021

  • LLM 辅助下的知识图谱工程：ChatGPT 实验

    本文介绍了最近使用 ChatGPT 对知识图谱工程进行实验的结果，探讨了其协助知识图谱的发展和管理的潜力。

    Jul, 2023

  • LambdaKG：一种基于预训练语言模型的知识图谱嵌入库

    本文介绍了 LambdaKG，一个使用多个预训练语言模型（如 BERT，BART，T5 和 GPT-3）为基础的 KGE 库，为知识图谱完成、问题回答、推荐和知识探测等提供支持，已在公共开源平台上发布，并具有长期维护。

    Oct, 2022

  • GraKeL: 一个 Python 中的图核心库

    本研究介绍了一种名为 GraKeL 的 Python 图核心库，该库将多个不同的图核心融合为一个通用框架，可与 scikit-learn 模块结合使用，构建完整的机器学习管道来实现图分类和聚类等任务。

    Jun, 2018

  • DGL-KE：规模化训练知识图谱嵌入

    DGL-KE 是一个开源的知识图谱嵌入计算软件包，采用多进程、多 GPU 和分布式并行化等各种创新优化，可以在 8 个 GPU 的 EC2 实例上的 100 分钟内计算出 8600 万节点和 3.38 亿边的知识图谱的嵌入，比其他竞争方法快 2 至 5 倍。

    Apr, 2020

  • 使用知识图谱计算基于规则的机器学习分类器解释

    使用知识图谱作为机器学习分类器解释操作的术语，并提出一种提取和表示黑匣子解释的新方法。

    Feb, 2022

  • GraphLab: 并行机器学习的新框架

    通过针对机器学习中常见程序设计模式进行设计，使用 GraphLab 可以实现异步迭代算法的紧凑表达，同时保证数据一致性和高并行性能，将并行性能优化的提升应用于大规模实际问题中，并取得了很好的表现。

    Aug, 2014

  • KeystoneML: 优化大规模高级分析的流水线

    KeystoneML 是一个系统，可捕获和优化端到端的大规模机器学习应用程序，并在分布式环境中进行高吞吐量的训练，以提高其性能和易用性，优化执行可使实际的图像分类应用程序中的训练吞吐量提高 15 倍。

    Oct, 2016

  • 奥巴马的妻子希拉里：使用知识图谱进行事实感知的语言建模

    本研究提出了基于知识图谱的语言模型 (KGLM)，它通过从知识图谱中选择和复制与上下文相关的事实来生成准确的文本，在此基础上，引入了对齐 Wikidata 知识图谱的已注释文本的 Linked WikiText-2 数据集，通过实验比较，证明了 KGLM 在生成需要熟知事实的语句方面的性能优于现有的强基准语言模型。

    Jun, 2019

  • NeuralKG: 一个用于多元化知识图谱表示学习的开源库

    NeuralKG 是一个开源的 Python 库，用于知识图谱的多样化表征学习，实现了三种不同系列的知识图嵌入方法，包括传统的 KGE、基于图神经网络的 KGE 和基于规则的 KGE，通过实验在基准数据集上成功重现这些方法的链接预测结果，并提供了高度可配置的模块，方便用户自定义设计模型，优化训练方法。

    Feb, 2022