- 通过知识图谱整合异质基因表达数据，提升糖尿病预测能力
通过整合多个基因表达数据集和领域特定知识，利用知识图谱嵌入方法生成向量表示，并用于分类器，本研究提出了一种新的方法，改善了糖尿病预测。
- 增强语境的语言模型用于生成多篇论文引用
基于大型语言模型的引文生成方法，旨在解决单段落引文生成的挑战，研究通过整合多个目标论文与单个源论文，生成包含多个句子引文文本的连贯段落。同时，通过将目标论文的知识图谱整合到生成引文文本的提示中实现了更好的性能，这一研究揭示了利用大型语言模型 - 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 - 知识图谱完整性的连续关系抽取方法
利用信息抽取流程将非结构化数据转化为知识图谱，以实现信息系统管理中的分析和解释，本研究旨在开发一种新的持续关系抽取方法，用于识别现实世界中来自德国和奥地利报纸的数据流中的实体之间的关系（相互连接）。
- 强化学习方法将压缩上下文整合到知识图谱中
该研究提出了一种基于强化学习的方法，利用深度 Q 网络增强知识图谱中上下文信息的整合过程。实验结果表明，该方法在不同的标准知识图谱数据集上优于传统技术，准确实现了上下文整合，凸显了强化学习在增强和管理知识图谱方面的潜力和有效性。
- EnriCo: 实体和关系抽取的丰富表示和全局约束推理
我们引入了 EnriCo，通过使用注意机制促进了丰富和表达力的表示，并使用一系列解码算法来确保结构化和连贯的输出。在联合实体和关系抽取数据集上评估时，我们的模型表现出与基线模型相媲美的性能。
- KG-CTG：基于知识图谱引导的大型语言模型的引文生成
本篇论文介绍了一个基于大型语言模型的引文生成任务的框架，并通过比较研究展示了将知识图谱关系纳入模型输入以提高其表现的结果。
- 基于 LMM 的教育问答系统的跨数据知识图构建：以 HCMUT 为案例研究
通过结合大型语言模型（LLMs）和知识图谱（KGs），本研究论文提出了一种自动构建知识图谱的方法，并讨论了在数字教育环境中，LLMs 与 KGs 结合在问答任务中的初步应用。
- 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 - ODA: 以观测为驱动的智能体用于集成 LLMs 和知识图谱
通过引入基于观察的智能体（ODA）框架，本研究旨在解决将大型语言模型（LLMs）和知识图谱（KGs）结合的问题，以提高 KG 的推理能力，并在多个数据集中展示了现实世界性能的显著提升（12.87% 和 8.9%）
- 任意知识图谱上的零样本逻辑查询推理
UltraQuery 是一个基于归纳推理模型，可以在任何知识图谱上零样本回答逻辑查询，具有竞争性或更好的查询性能，并且在 14 个数据集上取得了新的技术水平。
- 构建知识图谱以丰富 ChatGPT 在制造服务发现中的响应
利用知识图谱和 ChatGPT 相结合，提出了一种整合自下而上本体论和先进机器学习模型的方法，从结构化和非结构化数据源中发展出制造服务知识图谱，用于解决数字供应链网络中复杂的查询，并具有更好的可靠性和可解释性。
- COLINGBanglaAutoKG：语义神经图过滤在孟加拉自动知识图谱构建中的应用
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。
- 知识图谱对推荐系统是否确实重要？
推荐系统中使用知识图谱提高推荐准确性的效果被质疑，本研究提出了一个评估框架 KG4RecEval，通过 KGER 指标系统评估基于知识图谱的推荐系统在推荐准确性上的贡献，并发现知识的删除、随机扭曲或减少不一定会降低推荐的准确性，甚至对于冷启 - 知识图谱上可理解的人工智能：一项概述调查
了解可理解的人工智能应用于知识图谱的历史、区分和研究现状，并识别未来研究的空白。
- 政治信息源的知识图谱表示
本文通过 11.5 年的数据分析，从知识图谱角度证明了特定信息传播导致回音室的形成不仅与集体拓扑结构有关，还与个体信息消费方式相关，并且信息源的相对‘内部’中立性及对少数实体的极化态度可能引发听众世界观的根本差异性。
- ACL重新匹配：改善结构和语义相似度的本地知识图匹配的鲁棒且高效方法
通过介绍一种新的 AMR 相似度度量方法 rematch 和一个新的结构相似性评估标准 RARE，本文解决了目前现有的 AMR 度量方法效率低和难以捕捉语义相似度的问题，并在 STB-B 和 SICK-R 基准测试中，rematch 在结构 - 企业使用案例结合知识图谱与自然语言处理
本研究论文基于最近对知识图谱（KG）和自然语言处理（NLP）的研究文献的调查，从企业环境的选定应用场景出发，探讨了这种组合所产生的协同效应。论文涵盖了 KG 构建、推理以及基于 KG 的 NLP 任务的各种方法。除了解释创新的企业用例外，我 - EventGround: 基于事件为中心的知识图谱的叙事推理
通过将自由文本与事件中心知识图关联，本研究提出了一个综合框架 EventGround，旨在解决上下文化叙事推理的问题，并通过基于图神经网络和大型语言模型的图推理模型，在取得了最新成果的同时提供可解释性证据。
- COLING基于知识图谱的语义对比学习改进内容推荐：多样性和冷启动用户
我们提出了一种混合多任务学习方法，通过对描述性文本进行基于物品的对比学习，从而更好地理解知识图谱中的实体关系，提供更准确、相关、多样化的用户推荐，特别对有限物品交互的冷启动用户也能发挥作用。我们在两个广泛使用的数据集上进行了大量实验，验证了