Jun, 2023

CompanyKG：用于公司相似度计算的大规模异构图

PDF
TL;DR本研究提出并发表了一种名为 CompanyKG 的知识图谱，用于代表和学习各种公司特征和关系，以便对公司相似性进行细粒度的量化，为此我们设计并编制了三个评估任务，包括相似性预测、竞争者检索和相似性排名，并提供了可复制的预测方法来进行广泛的基准测试。
发现论文，激发创造
  • UniKG: 大规模知识图谱的基准和通用嵌入

    通过构建大规模异构图数据集 UniKG 并采用语义对齐策略和异质图传播模块 (APM) 实现多属性实体的高效信息传播和多跳聚合，该方法在 UniKG 数据集上进行基于节点分类的评估，扩展了大规模均匀图研究方法在异构图上的应用。

    Sep, 2023

  • 基于上下文和知识图谱的动态表示

    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

  • AceKG: 学术数据挖掘的大规模知识图谱

    本文介绍一个新的大规模学术知识图谱 AceKG，描述了包括论文、作者、领域、期刊和研究机构等知识三十一亿三千万条，通过实体对齐和规则推理等得以丰富；并通过构建基于 AceKG 的数据挖掘评测数据集，评估了知识嵌入和网络表示学习等多样化技术。

    Jul, 2018

  • AutoKG: 为语言模型提供高效自动化的知识图谱生成

    通过关键词提取和图拉普拉斯学习，AutoKG 用于自动构建知识图谱的轻量高效方法，通过向语言模型丰富 LLM 输出，提供了比语义相似性搜索更全面和相互关联的知识检索机制。

    Nov, 2023

  • 使用紧凑、代表性、相关的知识图谱丰富文档

    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

  • VisionKG：通过知识图谱释放视觉数据集的力量

    我们提出了一种基于知识图谱和语义网络技术的 Vision Knowledge Graph（VisionKG），用于链接、组织和管理具有异构特征的视觉数据集，提供简单访问和查询不同格式和分类法的最新视觉数据集，增强语义丰富性并通过 SPARQL 提供多种数据检索与探索服务，集成了 30 个数据集和四个流行 CV 任务，展示了在 CV 流程中的多种应用场景。

    Sep, 2023

  • 知识图谱对比学习用于推荐

    提出了一种知识图谱对比学习的框架 (KGCL)，该框架通过知识图谱增强模式减少了噪声，利用交叉视图对比学习技术进一步抑制了噪声，实现了在稀疏、长尾和有噪声的知识图谱场景下的强大性能。

    May, 2022

  • COVID-19 知识图谱：加速科学文献信息检索和发现

    本文提出了 COVID-19 知识图谱（CKG），它结合了语义信息和拓扑信息来提取和可视化 COVID-19 科学文章之间的复杂关系，最终形成一个关系图谱。CKG 可以为类似文档检索提供低维度的图像嵌入，有助于揭示 COVID-19 科学文章中深层次的信息。

    Jul, 2020

  • 知识图谱并不相同：探索真实知识图谱的属性和结构

    在这篇论文中，我们对来自各个领域（如自然科学、医学和自然语言处理）的 29 个真实知识图谱数据集进行了大规模比较研究，分析了它们的属性和结构模式，并根据发现提出了针对基于知识图谱模型开发和评估的几项建议。我们相信知识图谱中丰富的结构信息可以有益于各个领域更好地发展知识图谱模型，并希望这项研究能够有助于打破现有领域间的数据孤岛（例如机器学习、自然语言处理和科学人工智能之间的联系）。

    Nov, 2023

  • 知识图谱嵌入用于链接预测：一项比较分析

    该研究比较短缺实际的现有图谱的 16 种最新方法的有效性和效率，并考虑到一种基于规则的基线，提出了具有可扩展性的维度以评估嵌入 LP 方法的介绍。

    Feb, 2020