介绍了 Saga，它是用于为行业规模的知识基础应用提供动力的下一代知识构建和服务平台。该平台采用混合式批量增量设计，持续整合关于现实世界实体的数十亿个事实并构建一个中央的知识图，支持具有不同要求（包括数据新鲜度、准确性和可用性）的多个生产用例。在本文中，我们讨论了工业规模的知识图构建所涉及的独特挑战，并回顾了 Saga 的主要组件以及它们如何解决这些挑战。最后，我们分享了从由 Saga 提供动力的广泛的生产用例中所学得的经验教训。

Apr, 2022

本文提出语义知识图谱（SKG）来集成抽象和其他元信息中的语义概念以表示语料库，并利用半监督流程进行实体抽取和实体标准化，以及设计了一个数据流系统来展示如何灵活和交互地进行各种语义查询。最后，在可视化文献的基础上进行研究并提供现实世界的用例来展示 SKG 的有用性。

Jun, 2023

本篇论文探讨了知识图谱的构建与查询，结合深度学习、信息检索和自然语言处理等学科展开研究，提出了一些新的挑战和机会。

May, 2023

通过将小规模专业领域知识图谱与已建立的通用知识图谱进行关联，我们提出了一个框架来丰富领域特定知识图谱的嵌入，以应对大规模知识密集型任务中存在的挑战。实验评估表明，通过与大规模通用知识图谱的链接，采用我们的方法可以显著提升下游任务的性能，Hit@10 指标的提升可达 44%。这一相对未经探索的研究方向可以促使知识图谱在知识密集型任务中更频繁地应用，从而得到更强大、可靠且不那么虚幻的机器学习实现。

May, 2024

本文介绍了基于企业阿里巴巴集团的知识图谱的构建过程及其应用，形成了一个前所未有规模的公开业务知识图谱 OpenBG，其中覆盖了各种抽象产品和消费需求，包括精细的分类和多模态事实，并分享了 OpenBG 基准资源以及基于 OpenBG 基准的在线竞赛结果。

Sep, 2022

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

本文提出了一种名为 CKG 的动态表示方法，利用外部知识图谱中的实体信息来提高语言句子的正确语义，实验表明，CKG 在多项任务中达到了最优结果。

Dec, 2022

本文介绍了使用知识图谱嵌入方法来分析其语义结构，从而支持数据探索和解决相关问题的框架和方法。通过这种方式，可以使用良好研究的词嵌入空间定义语义查询，以便在数据集中解决相似性和类比等任务，并支持传统学术数据探索任务及一些新的有趣任务的解决。

Sep, 2019

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

本研究论文基于最近对知识图谱（KG）和自然语言处理（NLP）的研究文献的调查，从企业环境的选定应用场景出发，探讨了这种组合所产生的协同效应。论文涵盖了 KG 构建、推理以及基于 KG 的 NLP 任务的各种方法。除了解释创新的企业用例外，我们还评估了它们在实际应用中的成熟度，并展望了未来的新兴应用领域。

Apr, 2024