朝向本体论支持的跨语言知识图谱
知识图谱是多样化知识的结构化表示方式,广泛应用于各种智能应用。本文综述了各种类型的知识图谱(静态、动态、时态和事件型)的演化以及知识提取和推理技术,并介绍了不同类型知识图谱的实际应用,包括金融分析的案例研究。最后,我们提出了关于知识工程未来方向的观点,包括将知识图谱和大型语言模型的能力结合以及知识提取、推理和表示的发展。
Oct, 2023
本文首次提出了领域特定知识图谱的综合定义,并针对七个领域的相关学术作品,提出了最先进的知识图谱构建方法进行了全面的回顾。审视当前方法时,揭示了一系列的局限和不足,同时还强调指出了文献中现存问题和未知的研究方向。
Oct, 2020
介绍了一个名为 FactKG 的新数据集,该数据集包含 108k 个自然语言声明及其相关类型的推理,旨在通过推理知识图谱来进行事实验证,并开发了基于这些推理类型的基线方法,以提高知识图谱的可靠性和实用性。
May, 2023
该研究提出了一个本体重塑方法,将本体转化为更好地反映底层数据并帮助构建更好的知识图谱的知识图谱模式,从而解决工业分析中的低质量知识图谱可能带来的问题,由此提高了 SPARQL 查询的训练效率和知识图谱的可扩展性。
Sep, 2022
该论文探讨了将知识图谱集成到对话系统响应生成过程中的问题,提出了一种以足球为领域的非目标导向对话数据集和每个团队的知识图谱,并提出了一种新的神经网络架构作为基线,在数据集上集成知识图谱,产生知识化的响应,经实验证明,该模型的表现优于目前已有的知识图谱集成对话系统的最新模型。
Oct, 2019
知识图谱是不完全的,因为世界知识不完整且受到输入的偏见影响。本文概述了几种方法,这些方法被提出来以在这种环境下回答查询。首先,我们提供了各种查询类型的概述,这些方法可以支持这些查询类型,并介绍了用于评估的数据集以及它们的局限性。然后,我们概述了不同的方法,并描述了它们的表达能力、支持的图类型和推理能力。
Aug, 2023
本文介绍了知识图谱(KGs)以及其与关系知识的上下文信息的整合,重点讨论了基于三元组的 KGs 存在的局限性和上下文 KGs 的优势,并提出了 KGR$^3$,一个利用大型语言模型(LLMs)进行 KG 推理的范例,实验证明 KGR$^3$ 显著提高了 KG 补全和 KG 问答任务的性能,验证了将上下文信息整合到 KG 表示和推理中的有效性。
Jun, 2024
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