Jan, 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

PDF
TL;DR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。
knowledge graphreasoningknowledge augmentation strategygeneralization capabilityknowledge pyramid
发现论文，激发创造
  • 使用神经变换器扩充知识图谱层次结构

    利用大型语言模型来生成和增强知识图谱中的层次结构，对于小型领域特定的知识图谱，少量短期作用结合一次产生能够良好地运行，而较大的知识图谱可能需要周期性生成。我们提出了增强层次结构的技术，使我们的知识图谱的意图覆盖率增加了 98%，颜色覆盖率增加了 99%。

    Apr, 2024

  • 知识图谱上的元推理

    本文研究了在元学习范式下，少样本知识图谱推理的挑战和实际问题。提出了一种新的元学习框架，有效利用了本地图邻居和知识图谱中的推理路径等任务特定元信息。在两种少样本知识库补全基准测试中，我们展示了增强的任务特定元编码器比 MAML 更好，优于几个少样本学习基线模型。

    Aug, 2019

  • 学术洞察调查的层次树结构知识图谱

    为了支持初学者研究人员进行研究调查，本研究旨在建立一种具有层次结构的树状知识图，反映研究主题的继承洞察和学术论文之间的相关洞察。

    Feb, 2024

  • KGNN：面向图神经知识表示的分布式框架

    KGNN 框架采用 GNN 编码器和知识感知解码器，旨在以细粒度的方式共同探索高阶结构和属性信息，同时在知识图谱中保留关系模式，并在链接预测和三元组分类任务上展示了其有效性和可扩展性。

    May, 2022

  • KagNet: 基于知识的图网络用于常识推理

    该研究提出了一种基于知识图谱的语义推理框架，以解决常识性问题，并通过引入 KagNet 模型和 ConceptNet 外部资源，取得了在常识 QA 数据集上的最佳表现。

    Sep, 2019

  • 基于概率逻辑的常识表征框架：用于建模具有多个前提和变化可能性的推理

    本论文研究如何更好地表示常识知识，提出了一种概率逻辑表示方案和一种层次化概念本体论，能够更灵活地表示信念，并在神经符号应用中使用。通过专家注释和群众众包，将这个框架扩展到 PrimeNet 知识库，并展示其在更易解释的语义解析和问题回答中的应用。

    Nov, 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

  • 领域专有知识图谱：一项调查

    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

  • CuriousLLM: 提升多文档问答与推理注入的知识图提示

    在问答领域中，将大型语言模型与外部数据库结合已经取得了巨大的成功。然而，这些方法在提供复杂问答任务所需的高级推理方面常常效果不佳。为了解决这些问题，我们改进了一种称为 “知识图谱提示” 的新方法，该方法结合了知识图谱和基于大型语言模型的代理以提高推理和搜索准确性。然而，原始的知识图谱提示框架需要在大型数据集上进行昂贵的微调，并且仍然存在着大型语言模型幻觉的问题。因此，我们提出了一种注入推理能力的大型语言模型代理来增强该框架。这种代理模仿人类的好奇心来提问后续问题，以更高效地导航搜索。这种简单的改进显著提升了大型语言模型在问答任务中的性能，而无需承担初始 “知识图谱提示” 框架的高成本和延迟。我们的最终目标是进一步发展这种方法，在问答领域提供更准确、更快速、更具成本效益的解决方案。

    Apr, 2024

  • 知识图谱的演变：调查和展望

    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