Feb, 2024

抽取式知识图谱摘要的调查：应用、方法、评估和未来方向

HTML
PDF
TL;DR知识图谱（Knowledge Graphs）的持续增长使得抽取式知识图谱（extractive KG summarization）成为一个热门的任务。本论文首次对其应用进行了系统概述，并从跨学科研究的角度定义了现有方法的分类学。基于我们的广泛和比较性的回顾，我们还提出了未来的研究方向。
发现论文，激发创造
  • 图形概括方法和应用：一项调查

    本文是对图数据总结的最新方法进行系统的概述研究，主要讨论了输入图形的类型，核心方法以及在真实世界中的应用，并描述了该领域的一些未解决的问题。

    Dec, 2016

  • 异质图神经网络用于文档摘要提取

    本文介绍了一种异构图神经网络(HeterSumGraph) 用于信息抽取式文档摘要的任务中，该网络结构包含不同粒度级别的语义节点，这些额外的节点作为句子之间的中介，丰富交叉句关系，同时我们的图结构在自然扩展从单个文档设置到 多文档，引入文档节点。该方法是第一次在基于图的神经网络中引入不同类型的节点进行信息抽取式文档摘要，并进行了全面的定性分析以探究其优劣。

    Apr, 2020

  • 引用图增强科学论文摘要

    本论文提出了一种基于引用图的摘要模型 CGSum，相对于基于输入文档内容进行摘要的方法，它可以更好的理解科技论文的含义并产生高质量的摘要，同时构建了一个包含 141K 篇不同领域的科技论文的数据集 Semantic Scholar Network（SSN），这个数据集构成了一个大型的连接引用图。研究结果表明，引用图对于理解论文内容并产生高质量的摘要十分关键。

    Apr, 2021

  • SgSum: 将多文档摘要转换为子图选择

    本文提出了一种名为SgSum的新型EMDS框架，将MDS任务作为一个子图选择问题，通过构建关系图来选择一个显著的子图，而不是单独评分和提取句子，从而解决了现有方法中忽略句子关系和整个摘要连贯性和凝练性的问题。与传统方法相比，SgSum模型能够由于模型对句子关系的建模和直接输出更加丰富和连贯的子图形式摘要而获得显著优势，且在MultiNews和DUC数据集上进行的实验表明，我们的方法比多个强基线模型都有显著改进。

    Oct, 2021

  • 基于知识图谱中心视角的多文档科学摘要

    本文提出了KGSum多文档科学总结的模型，重点在于在编码和解码过程中使用知识图谱来实现内容和关系建模。经验证实验结果显示，相较于基准结果，该架构带来了显著的改进。

    Sep, 2022

  • 自然语言处理中知识图谱十年调研

    对自然语言处理中知识图谱相关研究领域进行综合调研，总结任务分类、相关贡献和研究进展，并提出了未来研究方向

    Sep, 2022

  • KATSum: 知识感知抽象文本摘要

    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

  • 引用图增强的科学论文摘要提取

    本文研究了使用引文图来提高科学论文摘要生成的质量，提出了两种方法：为任务提供简单而低成本的多粒度无监督摘要生成方法(MUS)，以及对大量标记数据具有更准确结果的基于图的监督摘要方法(GSS)，并在公共基准数据集上进行了实验验证以证明方法的有效性。

    Dec, 2022

  • 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

  • iText2KG：利用大型语言模型构建增量知识图谱

    本研究解决了利用结构化数据访问有价值信息的挑战，提出了一种增量、无主题依赖的知识图谱构建方法iText2KG，避免了传统方法中的大量后处理。该方法在科学论文、网站和简历的图谱构建中表现出优越的性能，显著提升了信息检索的效率。

    Sep, 2024