- AutoRD: 基于本体增强大型语言模型的罕见病知识图构建的自动化终端系统
AutoRD 是一个自动化的从文本中提取罕见疾病信息并构建知识图谱的综合系统,使用基于本体论增强的大型语言模型在医疗领域展现了出色的性能和应用潜力。
- 通过文本挖掘和自然语言处理研究构建逸水学派的句法分析图
基于条件随机场的分词和实体关系抽取模型的构建及 TF-IDF 信息检索和数据挖掘的常用加权技术用于提取不同古籍中的重要实体信息,同时使用基于神经网络的依赖句法分析器来分析每个古籍文章中实体之间的语法关系,并以树结构可视化的形式表示,为研究 - 辅助知识图谱构建:从自然语言中进行人工监督的知识图谱构建
通过 WAKA 这一 Web 应用程序,可以帮助领域专家以自然语言的方式构建特定领域的知识图谱。
- TechGPT-2.0:大型语言模型项目解决知识图谱构建任务
TechGPT-2.0 是一个项目,旨在增强大型语言模型在知识图谱构建任务中的能力,包括命名实体识别(NER)和关系三元组抽取(RTE)任务。此外,它也是一个面向中国开源模型社区的可访问的 LLM。
- 超越隔离:多智能体协同改进知识图谱构建
CooperKGC 是一个新颖的框架,通过建立协作处理网络,同时解决实体、关系和事件提取任务,展示合作和信息交互在知识选择、纠正和聚合方面的优越性。
- 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。
- LOKE:基于链接开放知识提取的自动知识图谱构建
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 Informat - 领域知识图谱构建的简单检查器
通过使用 GPT3.5 进行硬件设计领域文本的知识图谱构建,该论文提出了一种基于 oracle-checker 方案的方法,旨在从领域专家的背景知识中提取核心要点,并以 RISC-V 特权 ISA 规范为例进行了解释和讨论。
- 比特币:基于双向标记和监督对比学习的联合关系三元抽取框架
BitCoin 是一种创新的双向标记和监督对比学习的联合关系三元组提取框架,通过考虑主体和客体之间的多个正例,引入惩罚项来防止过度相似度,并实现了从主体到客体和从客体到主体的三元组提取。实验结果表明,BitCoin 在基准数据集上取得了最先 - 构建越南法律案例的知识图谱与异质图
该研究提出了一种用于法律案例文件和相关法律的知识图构建方法,旨在高效组织法律信息并增强各种下游任务。通过数据爬取、信息提取和知识图部署三个主要步骤,利用自然语言处理技术从非结构化文本中提取法院、案例、领域和法律等实体及其关系,建立异构图,为 - 基于知识的科学出版物知识图谱的优化
我们将作者识别问题视为知识图谱的构建和精细化问题,并通过学习概率逻辑模型从人类指导中学习关系回归树,以可解释规则输出。人类知识以一阶子句的形式注入以精炼树,且我们在七个作者领域定量和定性地展示了人类知识的实用性。
- 走向自组织的个人知识助手在不断演化的企业记忆中
本文回顾了我们部门在自组织个人知识助手在演进的企业记忆中的 10 年研究,并总结了在企业和个人环境中知识图构建的各种方式,管理遗忘和(自组织)上下文空间作为个人信息管理(PIM)和知识工作支持的新方法。同时,我们还提供了一些尚未发表的最新发 - 相关实体选择:通过零样本类比修剪引导知识图谱引导
本文提出了一种基于类比推理的方法来构建知识图谱,该方法通过从感兴趣的种子实体开始,保留或修剪它们的相邻实体来逐步增加知识图谱,结果表明该方法在特定数据集和迁移学习中表现出较高的性能和泛化能力。
- RECAP-KG:从原始 GP 笔记中挖掘知识图谱,为初级医疗中的远程 COVID-19 评估提供支持
本文提出从患者诊断记录中构建知识图谱的框架,并在英国 COVID-19 临床评估服务(CCAS)患者数据集中对 COVID-19 患者的诊断笔记应用该框架,与传统的 NLP 方法相比,证明该方法在回答患者问题时具有更好的准确性。
- 可适应架构的知识图谱构建
提出了一种自适应架构的知识图谱构建方法,可以在动态变化的架构图中提取实体、关系、事件,并通过基准测试和实验结果证明其有效性。
- 从语言模型中提取事实知识的微调理解
本文分析语言模型在事实知识提取中的应用,发现 finetuning 会造成一个负面现象 - Frequency Shock,导致模型预测能力下降,因此提出两种解决方案(模型混合和混合 finetuning),并验证实验表明这两种解决方案相比 - AAAI关于图像对于视觉增强关系抽取作用的分析
本研究对视觉场景图的不准确信息对多模态关系提取的影响进行了分析,提出了一种基于 Transformer 的隐式精细多模态对齐的强基准方法,并通过实验表明了该方法的优越性。
- IJCAI关系三元组提取:一步到位
本文提出了 DirectRel 模型,通过构建 “头实体→尾实体” 二分图的链接问题,直接在一步中提取所有的关系三元组,并在两个常用数据集上取得比现有技术更好的实验结果。
- 联合实体和关系抽取的有效级联双解码器模型
本文提出了一种有效的两级解码器方法来从文本中提取重叠的关系三元组,该方法通过具有可训练嵌入的关系相关实体解码器和特定于文本语义的关系解码器来解决重叠三元组问题,并在两个公共数据集上取得了优异的性能。
- ACL一种新型级联二进制标记框架用于关系三元组抽取
提出了一个新的级联二进制标记框架(CasRel)来解决关系三元组抽取任务中的重叠问题,并且在两个公共数据集 NYT 和 WebNLG 上相对于最强基线在 F1 分数上具有 17.5 和 30.2 绝对增益。