Sep, 2023

PyGraft：配置生成模式和知识图的便捷化

PDF
TL;DRPyGraft 是一个 Python 工具，用于生成高度定制的、领域无关的模式和知识图谱，以解决在教育或医学等数据敏感领域中公共数据集不足的问题，并促进基于图的机器学习等领域中模型性能和泛化能力的综合评估。
knowledge graphsdata representationbenchmarkingpygraftgraph-based machine learning
发现论文，激发创造
  • KGTK: 大型知识图谱操作与分析工具包

    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

  • 将知识图谱创建扩展到大规模和异构数据源

    本研究提出了一种自动生成 RDF 知识图谱的方法，使用 RDF Mapping Language 制定映射断言并实现优化的部署计划，以提高 RML 兼容引擎的性能。

    Jan, 2022

  • 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

  • 主题特定知识图的自动构建

    我们提出了一个专题特定的知识图谱构建框架，通过从特定领域的语料库中提取实体和关系，并整合上下文和本体，能够准确地构建高质量的知识图谱，解决现有知识图谱在信息粒度和及时性方面的挑战，并且相对于不同的知识图谱构建基线，在实验证明我们的框架表现出色。

    Apr, 2024

  • Text2KGBench：基于本体驱动的文本知识图谱生成基准

    该研究论文介绍了 Text2KGBench 这个基准评估工具，可以评估语言模型的能力，从自然语言文本中生成知识图谱，并根据本体论从文本中提取事实。研究还提供了基准模型的结果和显示了使用语义网和自然语言处理技术，可以进一步提高模型性能的潜力。

    Aug, 2023

  • 基于查询的知识图谱工业分析与本体重塑

    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

  • SKG: 一种用语义知识图谱对学术论文进行信息检索和分析的通用框架

    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

  • FabKG：制造科学领域的知识图谱，利用结构化和非结构化知识源

    本文介绍了利用基于实体和关系的数据构建知识图谱的方法以及将众包方法应用于知识图谱构建，在制造业领域中建立了一个包含 65000 + 三元组的 FabKG，并展示了区分领域特定问题和基于表达式 / 公式的问题的用例。

    May, 2022

  • 利用人类计算游戏框架增强用于准确性关键生成式人工智能应用的知识图谱

    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

  • 知识金字塔：一种用于广义知识增强和推理的新型层次化推理结构

    该论文提出了一种基于知识金字塔的推理方法，通过新的知识增强策略提高了知识图谱的泛化能力，实验结果表明，该方法在医学数据集上提高了知识推理性能和泛化能力。

    Jan, 2024