- 支持成年人在家自我管理心血管疾病风险因素的推荐算法
提出了一个基于知识的推荐算法，结合了规则逻辑与大型语言模型的能力来改善心血管疾病的预防效果，支持成年人在家自我管理心血管疾病风险因素。该算法在评估中表现出有用性，并且评价了更多的心血管疾病风险因素，生成的推荐具有更大的信息和语义容量。
- 基于知识的视觉问答的跨模态检索
基于知识的视觉问答（VQA）涉及使用多模态知识库的信息检索，命名实体的多样化视觉表现使其难以识别，我们认为跨模态检索可能有助于弥合实体与其描述之间的语义差距，对单模态检索产生互补作用，通过对最近的 ViQuAE、InfoSeek 和 Enc - 从查询工具到因果架构：利用大型语言模型从数据中进行先进的因果发现
本文提出了一种结合基于知识的 LLMs 因果分析和数据驱动因果结构学习的新框架，以构建因果结构学习的新范式，并介绍了一套广泛的提示组，以从给定变量中提取因果图，并评估 LLM 先前因果对从数据中恢复因果结构的影响
- 推荐系统的近期发展：一份综述
这篇技术综述全面总结了推荐系统领域的最新进展，提供了该领域现状的概述并强调了推荐系统发展的最新趋势，涵盖了个性化、群组、基于知识的推荐系统等主要分类，探讨了推荐系统中的鲁棒性、数据偏见和公平性问题，并总结了评估指标用于评估这些系统的性能，最 - 基于物体感知的视觉常识推理在开放世界中发掘新动作
通过神经符号学习架构 ALGO，我们开发了一种从自我中心视频中推断活动的方法，在开放世界上实现零样本推理。
- CVPR使用答案启发式来启发大型语言模型进行基于知识的视觉问答
本论文提出了一种名为 “Prophet” 的框架，采用两个补充答案启发式条目对 GPT-3 进行提示，以提高其理解任务的能力，从而在基于知识的视觉问答方面显著优于所有现有的最先进方法，分别在 OK-VQA 和 A-OKVQA 的测试集上达到 - 生成式评估的反事实编辑
提出了一种基于概念而非像素的生成模型评估和解释框架，通过知识驱动的反事实编辑帮助生成图像接近其地面实况条件，并且全局解释能够反映模型无法完全生成的概念和属性，该框架适用于故事可视化和场景合成等繁重任务。
- ACL基于超图变换器的基于知识的视觉问答的弱监督多跳推理
本文提出了一种新的基于超图的模型，用于解决知识库视觉问答中的多跳推理问题。该模型可以将高级问题的语义和知识库相结合，并通过超图内部和跨越两个超图之间的关联编码来预测答案。我们的实验证明了该方法的有效性。
- 基于动态键值存储增强的多步图推理方法用于基于知识的视觉问答
本文提出一种名为动态知识记忆增强多步图推理（DMMGR）的新型模型，能够在键 - 值知识记忆模块和空间感知图像图上执行显式和隐式推理，并在 KRVQR 和 FVQA 数据集上实现了新的最先进的准确性。
- ACL基于模板导向的混合指针网络用于基于知识的任务导向型对话系统
本研究提出了一种基于模板的指针网络模型，该模型利用预构建的特定领域会话存储库中的相关答案作为指导答案，并将指导答案并入编码和解码过程中，以提高神经网络任务导向对话系统的性能。实验表明，该模型在四个常用任务导向数据集上的表现明显优于最先进方法 - CVPR基于精细化知识传递的图像翻译
本文提出了一种基于可解释的知识库和快速 ANN 搜索的图像转换框架，通过存储任务特定的风格、色调、纹理等信息来实现图像转换，并且在不同的图像转换任务中展现出有效性和可行性。
- 知识型视频问答：回答基于知识的问题
本研究提出了一种新颖的视频理解任务方法，将基于知识的问题回答融合进来，提出了一个关于情景喜剧的视频数据集 (包括 24,282 个由人类生成的问题 - 答案对)，该数据集融合了视觉、文本和时间的连贯思维，同时也需要观看该系列影片的体验知识才 - MAG: 多语言、知识库无关且确定性实体链接方法
提出了一种新的、多语言的、基于知识的、不可知的和确定性的实体链接方法，称为 MAG，它是基于结构化知识库和图形算法的上下文检索的组合。通过在 23 个数据集和 7 种语言上评估 MAG，证明其在英语数据集上获得了最先进的性能，并在其他语言上 - KDD算法服装：混合推荐，从街头时尚到商店
本文详细介绍了 Cortexica 的推荐框架，使用了条件随机场和深度神经网络的混合视觉推荐系统，结合了知识基础和内容基础来构建推荐系统，可解决缺少用户偏好数据的问题。