论文浅尝 | 基于未知谓词与实体类型知识图谱的 Zero-Shot 问题生成

 

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:NAACL 2018

链接:https://www.aclweb.org/anthology/N18-1020

问题背景与动机

问题生成的目标是将知识图谱三元组作为输入,生成自然语言问题的过程。目前大多数的问题生成方法都依赖于大规模有标注数据(例如SimpleQuestion,基于freebase),但是事实上,由75.6%左右的freebase谓词并未被SimpleQuestion所覆盖。对于这类训练过程中谓词,实体类别均未知的问题生成模型,称之为Zero-Short Question Generation(QG)。

继续阅读“论文浅尝 | 基于未知谓词与实体类型知识图谱的 Zero-Shot 问题生成”

论文浅尝 | GraphIE:基于图的信息抽取框架

 

笔记整理:吕欣泽,南京大学计算机科学与技术系,硕士研究生。

论文连接:https://arxiv.org/pdf/1810.13083.pdf

发表会议:NAACL 2019

摘要

大多数现代信息提取(IE)系统都是作为顺序标记器实现的,并且只模拟本地依赖项。然而,非顺序的上下文是改进预测效果的有价值的信息来源。本文介绍GraphIE,一个在图上运行的信息抽取框架。该算法通过图形卷积网络在连接的节点之间传播信息,利用来改进单词级别的预测从,而生成更丰富的表示。本文评估了三个不同的任务:文本,社交媒体和视觉信息提取,结果一致地显示GraphIE 优于最先进的信息抽取模型。

继续阅读“论文浅尝 | GraphIE:基于图的信息抽取框架”

论文浅尝 | 将字面含义嵌入知识图谱表示学习

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。

继续阅读“论文浅尝 | 将字面含义嵌入知识图谱表示学习”

论文浅尝 | 基于深度序列模型的知识图谱补全

 

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

继续阅读“论文浅尝 | 基于深度序列模型的知识图谱补全”

论文浅尝 | 虚拟知识图谱:软件系统和应用案例综述

 

本文转载自公众号:DI数据智能

Virtual Knowledge Graphs: An Overview of Systems and Use Cases

作者:Guohui Xiao, Linfang Ding, Benjamin Cogrel & Diego Calvanese

供稿:Guohui Xiao

编者按:Data Intelligence 发表意大利博尔扎诺自由大学人工智能领域国际知名学者Diego Calvanese 教授组对近十年内虚拟知识图谱领域研究成果总结:Virtual Knowledge Graphs: An Overview of Systems and Use Cases(虚拟知识图谱:软件系统和应用案例综述)。虚拟知识图谱技术,也称“基于本体的数据访问技术”(ontology-based data access,OBDA),可将现有的数据库虚拟化为知识图谱。虚拟化的知识图谱通过提供一种高层次的查询接口,使最终用户不需关心底层的数据存储和组织,特别适用于数据集成领域。本文第一作者意大利博尔扎诺自由大学计算机学院Guohui Xiao (肖国辉) 博士,专攻VKG/OBDA理论和技术,是当今最先进的VKG/OBDA系统 Ontop 研究团队的负责人,主持Ontop的研究、开发和应用。肖国辉博士也是Ontopic初创公司的联合创始人和首席科学家,公司致力于将虚拟知识图谱技术引入工业界。

继续阅读“论文浅尝 | 虚拟知识图谱:软件系统和应用案例综述”