分层非负矩阵分解生成网络安全知识图
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
本文介绍了一个新的神经事实情境化方法(NFCM)来解决知识图谱事实情境化任务。 NFCM 首先在给定事实的附近生成候选事实集,然后使用监督学习来对候选事实进行排序。
May, 2018
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
本论文提出一种数学知识图谱(Math-KG),通过自然语言处理技术利用百度百科和维基百科构建,旨在解决在线教育平台上的信息过载和知识跟踪问题,并提供了一个简单的应用系统进行实验验证。
May, 2022
使用知识图谱增强对话代理的准确性和全面性,但在对话时生成文本仍被认为是一项具有挑战性的任务,本文回顾了知识图谱文本生成的不同架构,包括图神经网络、图变换器和序列到序列模型,选择使用序列到序列变压器模型(PLMs)作为知识图谱到文本生成任务的模型,并探索未来多语言维度的研究方向。
Jul, 2023
开发了一个基于领域知识图谱和语义推理的癌症特定生物标志物发现和交互式问答系统,使用生物医学数据、领域本体论、信息提取方法以及大型语言模型进行知识图谱的构建和更新。
Oct, 2023
本研究论文探讨了使用大型语言模型(LLMs)和知识图谱(KGs)的先进技术,通过自动生成人工智能来提取可操作的网络威胁情报(CTI)的挑战。通过评估技术,如提示工程、指导框架和微调以优化信息提取和结构化,证明了我们的方法在提取相关信息方面的有效性。然而,应用 LLMs 构建大规模数据的 KG 和链接预测仍存在挑战。
Jun, 2024
本文研究了将知识图谱转化为自然语言文本的任务,主要讨论了广泛的开放领域大规模语言生成的挑战,将知识图谱转化为自然语言文本,从而提高了语言模型的事实准确性和减少了毒性。通过对开放领域 QA 和 LAMA 知识探测的任务进行评估,表明该方法在文本检索方面有很大的优势。
Oct, 2020
提出了一种增强学习模型的方案,即通过知识图谱的事实三元组来为自然语言处理任务提供上下文知识,并采用基于卷积的模型来减少关注空间,从而大大提高了文本分类和自然语言推理任务的性能。
Feb, 2018