论文笔记整理:吴桐桐,东南大学博士生,研究方向为知识图谱,自然语言处理。
链接:https://arxiv.org/pdf/1802.00934.pdf
本文主要关注知识图谱中的链接预测问题,在既有的知识图谱表示学习模型的基础上提出了一种引入实体名字面信息的表示学习机制LiteralE。LiteralE是一个可训练的参数化的方程即可,可能是是一种简单的线性或非线性的变换,或是一个多层的神经网络。实验显示通过引入字面信息可以较大的提高链接预测的准确性。
开放的知识图谱社区
论文笔记整理:吴桐桐,东南大学博士生,研究方向为知识图谱,自然语言处理。
链接:https://arxiv.org/pdf/1802.00934.pdf
本文主要关注知识图谱中的链接预测问题,在既有的知识图谱表示学习模型的基础上提出了一种引入实体名字面信息的表示学习机制LiteralE。LiteralE是一个可训练的参数化的方程即可,可能是是一种简单的线性或非线性的变换,或是一个多层的神经网络。实验显示通过引入字面信息可以较大的提高链接预测的准确性。
本文转载自公众号:知识工场。
肖仰华博士,复旦大学计算机科学与技术学院教授,博士生导师,知识工场实验室负责人。
本文是肖仰华教授应《中国计算机学会通信》邀请所撰写的特邀文章,全文见 CCCF 2019 年第 5 期。
论文笔记整理:余海阳,浙江大学硕士,研究方向为知识图谱、自然语言信息抽取。
链接:https://www.aaai.org/Papers/AAAI/2019/AAAI-GaoTianyu.915.pdf
全国知识图谱与语义计算大会(CCKS: China Conference on Knowledge Graph and Semantic Computing)由中国中文信息学会语言与知识计算专业委员会组织和承办。全国知识图谱与语义计算大会是两个全国性会议的合并:中文知识图谱研讨会the Chinese Knowledge GraphSymposium (CKGS)和中国语义互联网与Web科学大会Chinese Semantic Web and Web Science Conference (CSWS)。CCKS2016 (www.ccks2016.cn)、 CCKS2017 (www.ccks2017.com) 和CCKS2018 (www.ccks2018.com)2018年分别在北京、成都和天津举办。CCKS2018吸引了800余名来自学术界和工业界的学者和研究人员参加。全国知识图谱与语义计算大会已经成为国内知识图谱、语义技术、链接数据等领域的核心会议,聚集了知识表示、自然语言理解、知识获取、智能问答、链接数据、图数据库、图计算、自动推理等相关技术领域的和研究人员的学者和研究人员。2019年全国知识图谱和语义计算大会(www.ccks2019.cn) 将于2019年8月24日至8月27日在杭州召开。
论文笔记整理:谭亦鸣,东南大学博士生,研究方向为跨语言知识图谱问答。
来源:COLING 2018
链接:https://www.aclweb.org/anthology/C18-1171
本文转载自公众号:DI数据智能。
Learning to Complete Knowledge Graphs with Deep Sequential Models
作者:郭凌冰、张清恒、胡伟、孙泽群、瞿裕忠
单位:南京大学
供稿:胡伟
引用
L. Guo, Q. Zhang, W. Hu, Z. Sun, & Y. Qu. Learning to complete knowledge graphs with deep sequential models. Data Intelligence 1(2019), 224-243. doi: 10.1162/dint_a_00016
文章转载自公众号
恒生技术之眼 , 作者 恒小发
本文转载自公众号:恒生技术之眼。
人工智能、大数据等前沿科技的爆发,推动金融科技进入了一个崭新的时代,也成为监管科技发展的重要推动力。在这个Fintech的黄金时代,前沿科技正在如何赋能监管?这方面,恒生公司首席架构师章乐焱带来了一场关于“大数据+知识图谱在RegTech的应用探索”分享:
变革时代,Regtech如何提档升级?
论文笔记整理:叶群,浙江大学计算机学院,知识图谱、NLP方向。
会议:WSDM 2019
链接:https://dl.acm.org/citation.cfm?id=3290961
2019年全国知识图谱与语义计算大会
China Conference on Knowledge Graph and Semantic Computing (CCKS 2019)
2019年8月24日-27日,杭州
征稿截止: 2019年5月18日