智能知识传输使用类似谷歌搜索的方法
本文提出了一种基于程序传递的方法来帮助没有程序注释的低资源知识库中的程序感应,对于这一方法,我们设计了一个新的两阶段解析框架,具有高效的本体采导向修剪策略,实验表明,该方法在复杂网络问题和 WebQuestionSP 上优于 SOTA 方法,展示了程序传递和我们框架的有效性。
Oct, 2021
该论文综合系统地回顾了知识追踪 (KT) 领域的文献,涵盖了从早期尝试到使用深度学习的最新现状,强调了模型的理论方面和基准数据集的特征,阐明了相关方法之间的关键建模差异,并以易于理解的格式总结了它们。最后,我们讨论了 KT 文献中的当前研究差距和可能的未来研究和应用方向。
Jan, 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
本文介绍 KGTK 工具集,它是一个数据科学中心化的工具集,旨在表示、创建、转换、增强和分析知识图谱。通过以表格形式表示图形并利用为数据科学应用程序开发的流行库,可以让更广泛的开发人员轻松构建其应用程序的知识图管道。
May, 2020
本文提出了一种基于知识图谱的抽象文本摘要模型(Knowledge-aware Abstractive Text Summarization),其利用源文本中提取的知识图谱三元组来提供具有关系信息的关键词,生成连贯且无误差的摘要,试验表明,该框架可以有效利用知识图谱的信息,显著减少摘要中的事实错误。
Dec, 2022
我们介绍了一种称为 Retrieval-based Knowledge Transfer (RetriKT) 的新型压缩模型的方法,通过从大规模预训练语言模型中提取知识,构建一个知识存储库,小规模模型可以从中检索相关信息并利用它进行有效推理,实验证明该方法显著提升了小规模模型的性能。
Oct, 2023
通过将大型语言模型与知识库相结合,KnowledGPT 能够更好地回答涉及世界知识的更广泛问题,利用广为人知的知识库和个性化知识库中的知识。
Aug, 2023
本文提出了一种新的知识迁移技术,能够训练一个学生模型,使其保持与教师模型之间相同数量的互信息,与现有的 KT 方法相比,该方法能够克服一些局限性,并提供新的 KT 应用。
Mar, 2018
本论文基于当代最先进的语言模型构建了 Graph-Knowledge Selector(GKS)来解决对话系统中知识选择的问题,并考虑了知识之间的联系,明显优于 Ninth Dialog System Technology Challenges(DSTC9)中提出的几种最新技术模型。
Dec, 2021
本文提出了 KGQAn,一个通用的 QA 系统,它不需要为每个目标 KG 进行定制,而是采用一种新颖的形式化方法将问题理解为一个文本生成问题,并通过神经序列到序列模型将问题转换为中间抽象表示。我们还开发了一个即时链接器,在查询时间使用 RDF 存储的公共可访问 API 和现有索引将抽象表示映射到特定 KG 的 SPARQL 查询,而无需任何预处理。我们在几个真实的 KG 上进行的实验表明,KGQAn 易于部署,对于任意的 KG 表现良好,优于现有的 QA 系统。
Mar, 2023