COLINGApr, 2024

BanglaAutoKG：语义神经图过滤在孟加拉自动知识图谱构建中的应用

PDF
TL;DR提出 BanglaAutoKG 框架可从任何孟加拉语文本自动构建孟加拉知识图谱，并通过多语言 LLMs、翻译字典、预训练 BERT 模型等构建基础图谱，最后利用基于 GNN 的语义过滤器形成最终的知识图谱。
knowledge graphsbanglabengali kgsllmsgnn-based semantic filter
发现论文，激发创造
  • AutoKG: 为语言模型提供高效自动化的知识图谱生成

    通过关键词提取和图拉普拉斯学习，AutoKG 用于自动构建知识图谱的轻量高效方法，通过向语言模型丰富 LLM 输出，提供了比语义相似性搜索更全面和相互关联的知识检索机制。

    Nov, 2023

  • 基于上下文和知识图谱的动态表示

    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

  • Math-KG：数学知识图谱的构建与应用

    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

  • 利用知识图谱增强神经机器翻译

    本文研究证明，通过在神经网络中嵌入知识图谱可以提高实体和专有名词的翻译效果，并提出了两种方法以增强神经模型的语义特征提取和对数据稀缺性和词汇表外的单词的挑战进行了探讨，结果表明，KG-NMT 模型取得了很好的效果。

    Feb, 2019

  • 通过自动化知识图生成和丰富加速医学知识发现

    医疗知识图谱自动化 (M-KGA) 是一种创新方法，通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强，以整合预训练嵌入向量，从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法，以发现知识图谱中隐藏的连接，通过对电子健康记录中 100 个频繁出现的医学概念进行严格测试，展示了有望解决现有知识图谱自动化技术限制的潜力。

    Apr, 2024

  • 主题特定知识图的自动构建

    我们提出了一个专题特定的知识图谱构建框架，通过从特定领域的语料库中提取实体和关系，并整合上下文和本体，能够准确地构建高质量的知识图谱，解决现有知识图谱在信息粒度和及时性方面的挑战，并且相对于不同的知识图谱构建基线，在实验证明我们的框架表现出色。

    Apr, 2024

  • 基于知识图谱的神经网络在自然语言处理中的应用

    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

  • 百亿级预训练多模态商业知识图谱的构建与应用

    本文介绍了基于企业阿里巴巴集团的知识图谱的构建过程及其应用，形成了一个前所未有规模的公开业务知识图谱 OpenBG，其中覆盖了各种抽象产品和消费需求，包括精细的分类和多模态事实，并分享了 OpenBG 基准资源以及基于 OpenBG 基准的在线竞赛结果。

    Sep, 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

  • 对话系统中基于知识图谱的自然语言生成

    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