Jul, 2023

CollabKG：一种可学习的人机协作信息提取工具套件，用于 (事件) 知识图谱构建

PDF
TL;DRCollabKG 是一种可学习的人机协同信息提取工具包，可用于构建或扩展以实体为中心和事件为中心的知识图谱，并结合先进的提示式信息提取技术，实现人机协同机制，提高了注释质量、效率和稳定性。
information extractionknowledge graphsevent extractionhuman-machine cooperationannotation toolkit
发现论文，激发创造
  • 利用开放语料库进行协同知识图谱融合

    本文提出了一种协作知识图谱融合框架，旨在使用从其他语料库中收集到的信息来精细化已有的知识图谱，并改进联合事件抽取与知识图谱融合的性能。

    Jun, 2022

  • 超越隔离：多智能体协同改进知识图谱构建

    CooperKGC 是一个新颖的框架，通过建立协作处理网络，同时解决实体、关系和事件提取任务，展示合作和信息交互在知识选择、纠正和聚合方面的优越性。

    Dec, 2023

  • EventKG-Web 中的事件知识中心和传记时间线生成

    本文介绍了一个事件中心的时间知识图 EventKG，包含超过 690,000 个事件和超过 2.3 million 的时间关系，并描述了如何使用该知识图生成人物传记时间线。

    May, 2019

  • EventKG：一个多语言的以事件为中心的时序知识图谱

    本篇研究介绍了一个多语言的以事件为中心的知识图谱 EventKG，其中包括超过 690,000 个当代和历史事件以及超过 2.3 百万的时间关系，该知识图谱填补了现有知识库在事件和时间关系上的不足。

    Apr, 2018

  • DeepKE：基于深度学习的知识抽取工具包，用于知识库填充

    DeepKE 是一款开源的知识提取工具，支持复杂的低资源、文档级别和多模态场景。它实现了各种信息提取任务，包括命名实体识别、关系提取和属性提取。

    Jan, 2022

  • 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

  • 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

  • KnowledgeHub：辅助科学发现的端到端工具

    该研究描述了 KnowledgeHub 工具，一种科学文献信息提取和问题回答的流程，通过支持将 PDF 文档转换为文本和结构化表示，以构建本体论，并使用基于浏览器的注释工具对 PDF 文档的内容进行注释，然后通过训练命名实体识别和关系分类模型来构建知识图谱，结合大型语言模型进行问题回答和摘要生成，支持用户全面了解知识发现流程。

    May, 2024

  • IEKG：一种用于成语表达的常识知识图谱

    通过构建 IEKG，我们将 PTLMs 转换成知识模型，对流行语表达的解释进行建模推理，结果表明注入 IEKG 知识的 PTLMs 表现出更好的流行语理解能力并可以推广到训练中未见过的流行语。

    Dec, 2023

  • 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