我们提出了一个专题特定的知识图谱构建框架，通过从特定领域的语料库中提取实体和关系，并整合上下文和本体，能够准确地构建高质量的知识图谱，解决现有知识图谱在信息粒度和及时性方面的挑战，并且相对于不同的知识图谱构建基线，在实验证明我们的框架表现出色。

Apr, 2024

利用多级共享知识指导学习方法（SKG）在数据集级别通过文本摘要识别实体集合内的共享特征，而在任务级别则利用动态调整的损失权重提出了一种创新的多任务学习架构，有效缓解了子任务间知识共享不均衡的问题。实验证明 SKG-KGC 在三个知名数据集上显著优于现有基于文本的方法，尤其在 WN18RR 数据集上取得了显著提升。

May, 2024

本研究总结了生成式知识图谱构建的最新进展，包括方法的优势和弱点，并提出未来的研究方向。研究的贡献包括提出了详细的方法分类，以及理论和实证分析，同时提出了未来的研究方向。

Oct, 2022

本研究首次总结了时间知识图补全方法的研究进展，包括背景、基准数据集、评估指标以及现有方法，旨在解决静态知识图补全方法的不准确问题。未来的研究方向也在文章中提出。

Jan, 2022

在这篇论文中，我们研究了与真实世界建设场景相关的三个重要过程：验证过程，挖掘过程和训练过程，并通过整合这三个过程引入了渐进式知识图谱完成（PKGC）任务，以模拟在真实世界场景中逐步完善知识图谱的过程。此外，为了加快 PKGC 处理，我们提出了两个加速模块：优化的 Top-k 算法和语义有效性过滤器，这些模块显著提高了挖掘过程的效率。我们的实验证明链接预测的性能不能准确反映 PKGC 的性能，更深入的分析揭示了影响结果的关键因素，并为未来的研究提供了潜在的方向。

Apr, 2024

本文提出了 Query-Enhanced Adaptive Semantic Path Reasoning (QASPR) 框架，同时捕捉知识图谱的结构和语义信息，以增强归纳式知识图谱完成任务。QASPR 通过使用查询依赖的掩蔽模块自适应地掩蔽噪声结构信息并保留与目标密切相关的重要信息。此外，QASPR 引入了一个全局语义评分模块，评估知识图谱中推理路径上节点的个体贡献和集体影响。实验结果表明，QASPR 实现了最先进的性能。

Jun, 2024

通过自动化方法，提出了一个名为 EDC 的三阶段框架，能够从输入文本中提取高质量的三元组，并解决了以往方法在应对大型复杂模式时的困难，同时引入了训练部分以改进模型的抽取性能。

Apr, 2024

本文提出了一种轻量级模块化知识图谱完成 (GreenKGC) 方案，该方案包含三个模块：表示学习、特征修剪和决策学习，旨在解决在获得更好推理能力的同时保持较小的模型大小。实验结果表明，GreenKGC 可以在较小的模型尺寸下达到与高维嵌入方法相当甚至更好的性能，并且可以推广到更多任务中。

Aug, 2022

利用大型语言模型（LLM）的结构感知推理能力，将知识图谱（KG）中的结构信息嵌入到 LLMs 中，从而提高 LLMs 的知识推理能力。我们提出了一种结构感知推理框架，并通过实验证明了引入结构信息对 LLMs 的知识推理能力的改进效果。

Oct, 2023

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