论文浅尝 | 引入“引用”的语言模型

笔记整理:杨帆,浙江大学硕士,研究方向知识图谱.

论文链接:https://arxiv.org/pdf/1611.01628.pdf

动机

Referring expression(RE)在自然语言中十分常见,并且在信息交流中扮演了十分重要的角色,但是之前的工作并没有在语言模型中明确地引入RE,作者在这篇论文中明确对RE建模,将其纳入语言模型之中,用以提高文本生成的表现。

继续阅读“论文浅尝 | 引入“引用”的语言模型”

技术动态 | eBay开源分布式知识图谱存储Beam,支持类SPARQL查询

文章转载自公众号

AI前线 , 作者 AI前线小组 译

本文转载自公众号:AI前线。

 

作者 | Diego Ongaro,Simon Fell

译者 | 盖磊

编辑 | Natalie

AI 前线导读:eBay 工程人员于 5 月 1 日在 官方技术博客 上发布了开源的分布式知识图谱存储 Beam,Beam 实现了事实数据的 RDF 存储,并支持类 SPARQL 查询。

继续阅读“技术动态 | eBay开源分布式知识图谱存储Beam,支持类SPARQL查询”

论文浅尝 | 最新10篇《知识图谱》论文推荐(ICML, CVPR, ACL, KDD, IJCAI 2019)

 

文章转载自公众号

专知 , 作者 专知

本文转载自公众号:专知。

【导读】知识图谱一直是研究热点,研究者近年来广泛关注知识图谱嵌入(Knowledge Graph Embedding,简称KGE)方法,在保留语义的同时,将知识图谱中的实体和关系映射到连续的、稠密的低维向量空间,从而可以通过向量来高效计算实体与关系的语义联系,利用学习得到的实体/关系的表征向量支撑下游应用。专知整理了最新ACL、CVPR、KDD、ICML等顶会关于知识图谱的10篇最新论文,欢迎查看

继续阅读“论文浅尝 | 最新10篇《知识图谱》论文推荐(ICML, CVPR, ACL, KDD, IJCAI 2019)”

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”