开放知识图谱

蛇起之年，与龙共舞。2025年1月17日，OpenKG在苏州举办了2024年中文开放知识图谱社区大会暨OpenKG年会。年会分为三个部分：OpenKG-SIG分组工作会、OpenKG年度论坛以及OpenKG TOC战略研讨会。上午，来自六个OpenKG-SIG（特别兴趣小组）的100余人分成六个小组围绕各自主题深入讨论合作进展及未来规划，包括：大模型驱动的开放知识图谱构建、工业级开源知识语义框架、...

1. 引言在大型语言模型（LLMs）迅速发展的今天，检索增强生成已经成为提升模型性能的重要手段。然而，随着RAG框架的广泛应用，文本Embedding模型逐渐成为制约其进一步发展的瓶颈。传统Embedding模型在处理多语言、多领域任务时，往往因训练数据质量不高而表现欠佳。为此，我们推出了KaLM-Embedding（Knowledge in large Language Models into ...

转载公众号 |老刘说NLP今天我们继续跟进文档理解以及大模型和知识图谱结合的话题。看两个工作，利用大模型判别能力做开放知识图谱构建以及多模态文档问答的一个有趣任务DOGE。一、利用大模型判别能力做开放知识图谱构建《Can LLMs be Good Graph Judger for Knowledge Graph Construction?》(https://arxiv.org/pdf/2411....

笔记整理：米尔扎提·阿力木，天津大学硕士，研究方向为大模型论文链接：https://aclanthology.org/2024.findings-eacl.32发表会议：ACL 20241. 动机知识图谱完成（KGC）是自然语言处理（NLP）的一项基本任务，旨在揭示不同知识图谱中隐藏的见解，以探索新的知识模式。传统的KGC方法通常通过根据其结构信息学习每个实体和关系的表示来预测三元组的缺失部分。然...

202412.28 -12.30海南 琼海首届中国数据大会CCF ChinaData2024年，我们在博鳌启航：首届CCF中国数据大会专题论坛回顾© dream185607102024年12月28日-30日，首届CCF中国数据大会（ChinaData 2024）在海南琼海博鳌亚洲论坛国际会议中心举办。数据与知识双轮驱动的大模型技术论坛由华南理工大学蔡毅教授和同济大学王昊奋研究员组织，浙江大学陈华钧...

直播时间：1月17日 13：30-15：20论坛信息OpenKG将于2025年1月17日举办主题为“大模型时代的知识图谱新发展”2024年度论坛。论坛由三部分组成：特邀报告部分特别邀请了来自苏州大学的周国栋教授、北京大学的邹磊教授、同济大学的王昊奋特聘研究员，将针对知识图谱、大语言模型等人工智能领域的前沿热点问题开讲；OpenKG系列成果报告环节将介绍部分2024年由OpenKG社区成员合作贡献的...

转载公众号| 老刘说NLP我们继续来看大模型与知识图谱结合的话题，这两个 本身就是LLMs（参数知识）和KGs（显式知识）的一个争论，关于这个结合，我们已经讲了很多。一年多过去，已经涌现出了许多关于大模型与知识图谱结合的工作，我利用周末时间做了个综述的综述总结，归置了一下。我将这种结合分为三个方向，一个是大模型与知识图谱在训练路线及结合的路线探索，一个是知识图谱用于大模型幻觉方向总结，一个是大模...

笔记整理：和东顺，天津大学硕士，研究方向为软件缺陷分析论文链接：https://aclanthology.org/2024.acl-long.397/发表会议：ACL 20241. 动机多跳问答任务（MHQA）对大型语言模型（LLMs）提出了重大挑战，因为这类任务要求密集的知识来推导答案。目前的解决方案，例如检索增强生成（Retrieval-Augmented Generation），通常从外部语...

转载公众号 |知识图谱科技[2306.16092] Chatlaw: A Multi-Agent Collaborative Legal Assistant with Knowledge Graph Enhanced Mixture-of-Experts Large Language ModelChatlaw 是一个多智能体法律助手，利用专家混合模型（MoE）和知识图谱，在法律基准测试中超越 G...

笔记整理：王泽元，浙江大学博士生论文链接：https://arxiv.org/pdf/2410.12288发表会议：NeurIPS 20241. 动机大量的知识图谱已经被构建来促进各种场景中的知识驱动任务。然而现有的知识图谱推理模型通常为不同的知识图谱开发独立的推理模型，缺乏跨不同知识图谱和推理设置进行知识泛化和迁移的能力，并且往往针对静态的知识图谱，并且在归纳性设置下处理新实体或关系时缺乏泛化能...

导读OpenKG新开设“TOC专家谈”栏目，推送OpenKG TOC（技术监督委员会）专家成员的观点文章。本期邀请到国防科技大学赵翔教授介绍“知识融合视角下的检索增强生成技术”方面的一些思考，尝试将RAG放到经典知识融合的框架下，重新审视并引出若干借鉴经典方法对RAG过程进行优化的思路和例证。摘要大数据智能时代，知识已成为人类创造力与高新信息技术有机协同的根源性驱动力。知识融合旨在关联不同来源的知...

HELLO 2025新年伊始，万象更新随着新年钟声响起，OpenKG团队向大家致以最诚挚的祝福。愿新的一年里，知识的海洋更加宽广无垠，图谱的世界更加丰富多彩。让我们携手共进，用“开放”的理念点亮智能未来的璀璨星光，共同开启无限可能的大门。祝愿每一位热爱知识图谱的朋友新年快乐，心想事成，梦想在探索与创新中一一实现！OpenKGOpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放...

转载公众号 | 专知本文约1000字，建议阅读5分钟本体工程涵盖了本体开发生命周期中的各种任务。本文集中探讨了其中三个关键方面。本体论（Ontology）最初是一个哲学术语，指的是对存在及存在形式的研究。该概念被引入到人工智能（AI）领域，作为一种基于知识的系统，用于以机器可读的格式对实体及其关系进行建模和共享知识。本体为人类知识提供了结构化和逻辑化的形式，使其能够在特定领域内进行表达和可靠推理...

转载公众号|知识图谱科技这篇论文探讨了如何通过知识图谱（KG）增强大型语言模型（LLMs）的推理能力。大型语言模型 （LLM） 在自然语言理解和生成方面表现出卓越的能力。然而，他们经常与复杂的推理任务作斗争，并且容易产生幻觉。最近的研究表明，在利用知识图谱 （KG） 提高 LLM 性能方面取得了可喜的结果。KG 提供实体及其关系的结构化表示，提供丰富的信息源，可以增强 LLM 的推理能力。在这...

OpenKGOpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。点击阅读原文，进入 OpenKG 网站。...

笔记整理：曲晏林，天津大学硕士，研究方向为大语言模型论文链接：https://arxiv.org/abs/2301.10405发表会议：AAAI 20241. 动机知识图谱(Knowledge Group, KG)由三元组(头部实体、关系、尾部实体)组成，广泛应用于下游任务，如问答和推荐系统。传统的图谱嵌入方法通常基于结构化信息，如 TransE、RotatE等，但难以表示长尾实体和动态实体。基于...

转载公众号 | 老刘说NLP本文主要介绍2个工作，一个是RAG分块进展ChunkRAG，LLM驱动的块过滤方法，称为ChunkRAG，通过在块级别评估和过滤检索到的信息来增强RAG系统，该方法利用语义分块将文档划分为连贯的部分，并使用基于LLM的相关性评分来评估每个块与用户查询的对齐情况。另一个是知识图谱与大模型结合用于推荐的工作，KGLA框架，将知识图谱中的结构化信息转换为文本，并融入到用户代理...

笔记整理：陈少凯，浙江大学硕士生，研究方向为知识图谱、RAG论文链接：https://arxiv.org/pdf/2405.14831发表会议：Neurips 20241. 动机虽然近年来大语言模型（LLM）的研究取得了很大进展，但持续更新的长时记忆在当前的人工智能系统中仍然有明显缺陷。检索增强生成（RAG）已经成为LLMs长时记忆的解决方案，然而，当前的RAG方法仍不能帮助LLM执行需要跨段落边...

转载公众号| 老刘说NLP本文主要讲了两个工作，一个是回顾下关于考虑关系信息的知识图谱表示进展综述，这个对于知识图谱表示的了解有一些帮助；另一个是不同知识检索与选择对RAG的影响分析，其结论认为，整体RAG性能取决于生成器模型。强生成器模型在全知识设置上的表现优于标准知识设置，弱生成器模型则需要知识选择器来过滤干扰知识，而生成性能随着知识精度和召回率的平滑变化，表明知识精度和召回率共同决定了生成...

笔记整理：郭凌冰，浙江大学博士，研究方向为知识图谱表示学习论文链接：https://arxiv.org/abs/2402.06861发表会议：NeurIPS 20241. 动机城市知识图谱已经成为一种新兴的数据集成模块，用于从多源城市数据中提炼关键知识，服务于不同城市应用场景。尽管前景巨大，但城市知识图谱构建（UrbanKGC）目前仍严重依赖于人力工作，严重阻碍了其潜在发展。本文提出的UrbanK...