通过对 Wikidata 知识图谱使用 GPT 模型和 prompt engineering 的方法，我们研究了一个叫做 Linked Open Knowledge Extractor (LOKE) 的方法去解决 Open Information Extraction (Open IE) 存在的问题，发现 LOKE-GPT 在 Knowledge Graph Construction (KGC) 任务中比 AllenAI 的 OpenIE 4 实现效果更好。

Nov, 2023

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

本论文提出了一种名为 InductivE 的学习框架，旨在解决 Commonsense Knowledge Graph（CKG）完成中可能出现的未见过实体的问题，该框架直接从原始实体属性 / 文本计算实体嵌入，并由一个自由文本编码器、一个图编码器和一个 KG 完成解码器组成。实验证明，InductivE 在 ATOMIC 和 ConceptNet 基准测试中都显著优于现有基线方法。

Sep, 2020

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

本文介绍了开放事件知识图谱（OEKG），它是一个多语言、事件中心、时间性的知识图谱，由来自多个应用领域的七个不同的数据集组成，包括问答、实体推荐和命名实体识别。这些数据集通过一个易于使用和稳定的管道集成，通过与事件中心的知识图 EventKG 链接，描述了它们的公共模式，并在三个用例中演示了 OEKG 的用法：类型特定的图像检索、基于知识图谱和新闻文章的混合问答以及语言特定的事件推荐。 OEKG 及其查询端点是公开可用的。

Feb, 2023

本研究提出了基于知识图谱进行对话代理评估的新方法，通过对话信号生成图谱以表示两者的交互，并将其结构与语义分析转化为定性指标，通过比较自动与人工评估指标来展示其定性分析能力。

Sep, 2022

通过提出一个新的基准测试，该研究论文旨在解决通过评估协议以考量系统的能力，从而能在更细粒度的三元槽级别上测量事实链接性能，同时测量一个系统是否能识别到表面形式在现有知识图谱中没有匹配项。研究还表明，与准确链接到现有实体相比，检测出现有知识图谱中不存在的实体和谓词更加困难，因此需要更多的研究努力来解决这个难题。

Oct, 2023

CollabKG 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。

Jul, 2023

本文介绍了 LambdaKG，一个使用多个预训练语言模型（如 BERT，BART，T5 和 GPT-3）为基础的 KGE 库，为知识图谱完成、问题回答、推荐和知识探测等提供支持，已在公共开源平台上发布，并具有长期维护。

Oct, 2022

本文提出了一种新颖的神经符号体系结构，旨在利用本体推理的能力来构建针对任务和领域的特定语料库，以提高 LLM 微调的准确性。

Jun, 2023