Sep, 2023

材料科学知识图谱问答（KGQA4MAT）：为金属有机框架知识图谱（MOF-KG）开发自然语言接口

PDF
TL;DR我们提出了一个全面的知识图谱问答材料科学（KGQA4MAT）的基准数据集，重点关注金属有机框架（MOFs）。通过整合结构化数据库和从文献中提取的知识，构建了金属有机框架知识图谱（MOF-KG）。为了提高专家查询 MOF-KG 的可访问性，我们旨在开发一个自然语言接口。我们开发了一个包含 161 个复杂问题的基准，涉及比较、聚合和复杂的图结构。每个问题重新表述为另外三个变体，总共有 644 个问题和 161 个 KG 查询。为了评估基准，我们开发了一种系统方法，利用 ChatGPT 将自然语言问题翻译成形式化的 KG 查询。我们还将该方法应用于著名的 QALD-9 数据集，展示了 ChatGPT 在不同平台和查询语言上解决 KGQA 问题的潜力。该基准和提出的方法旨在促进进一步研究和开发用户友好高效的领域特定材料科学知识图谱查询接口，从而加速新材料的发现。
发现论文，激发创造
  • 构建金属有机框架 (MOF-KG) 的开放型知识图谱：挑战与案例研究

    利用知识图谱方法帮助金属有机骨架预测、发现和合成，主要围绕构建 MOF 知识图谱和利用该图谱发现新知识的挑战和案例研究展开。

    Jul, 2022

  • 多学科材料科学中的功能材料知识图谱构建

    通过利用先进的自然语言处理技术，从过去十年中所有高质量研究论文中提取数百万个三元组，将无结构信息组织为九个不同类别的标签，并与论文的数字物体识别符无缝集成，Functional Materials Knowledge Graph（FMKG）作为最新的功能材料结构数据库，为加速功能材料开发和构建更全面的材料知识图谱奠定了基础。同时，我们的研究为实用的基于文本挖掘的知识管理系统奠定了基础，不仅适用于复杂材料系统，也适用于其他专业领域。

    Apr, 2024

  • MaScQA：一个用于研究大型语言模型中材料科学知识的问答数据集

    我们基于材料学领域的 650 个具有挑战性的问题，对 GPT-3.5 和 GPT-4 模型在问答、零点提示和思维链激励下的表现进行了评估，并发现 GPT-4 的准确率最高（约为 62%），而与思维链激励相比，没有明显的准确率提高。通过错误分析，我们发现概念错误（64%）是改进语言模型表现的主要因素，而计算错误（36%）对 LLMs 性能的降低起到了次要作用。我们希望该工作中的数据集和分析能够促进材料科学领域特定 LLMs 的开发和信息提取策略的研究。

    Aug, 2023

  • 利用逻辑编程和语言模型回答知识图谱中的问题

    本文提出了一种利用经典逻辑编程语言来装备大型语言模型（LLMs）的方法，以在知识图谱（KG）上回答自然语言问题，从而提供可解释性解决方案。作者使用 MetaQA 数据集证明了该方法的有效性。

    Mar, 2023

  • 利用量子自然语言处理反向设计金属有机骨架

    通过分析 150 个具有 10 个金属节点和 15 个有机配体的假设金属 - 有机框架（MOF）结构，我们比较了不同的 QNLP 模型来处理 MOF 数据集，确定了最有效的方法，并开发了适用于量子电路概率性质的多类别分类模型，展示了使用量子计算进行材料设计的潜力。

    May, 2024

  • 知识图谱查询

    本篇论文探讨了知识图谱的构建与查询，结合深度学习、信息检索和自然语言处理等学科展开研究，提出了一些新的挑战和机会。

    May, 2023

  • 评价和改进知识图谱问答问题自然性的度量方法

    通过创建 IQN-KGQA 测试集，从五个角度对自然度的问题进行了评估并对其进行了改写，以改进自然语言处理中 KGQA 模型的性能并解决构建大规模 KGQA 数据集的挑战。

    May, 2022

  • 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

  • ChatGPT 化学助手用于文本挖掘和 MOF 合成预测

    采用指令工程来指导 ChatGPT 在多样化的科学文献格式和风格中自动化地进行金属有机骨架合成条件的文本挖掘，该方法有效缓解了 ChatGPT 在科学领域中使用大型语言模型困难的问题，从而实现了令人印象深刻的准确性和精度。

    Jun, 2023

  • 通过 Amazon Alexa 在生物知识图谱上进行问答

    本文介绍了如何使用 Amazon Alexa 语音界面对知识图谱进行问答。以包含 113 万个基因 - 疾病关联的 DisgeNET KG 为例，研究表明 Alexa 可以帮助从大规模知识库中查找有关某些生物实体的信息。

    Oct, 2022