KG读论文
文章平均质量分 87
知识图谱论文
笨cc
学无止境
展开
-
Unifying Large Language Models and Knowledge Graphs: A Roadmap综述笔记-入门-知识图谱KG-大模型LLM
LLMs,例如chatGPT和GPT4,由于其涌现能力和泛化性,对自然语言理解和人工智能领域产生了新的冲击。然而,LLMs是一个黑箱模型,往往缺乏捕获和获得事实知识。相反,知识图谱,例如维基百科等,是有结构模型。存储着丰富的事实知识。KGs可以通过提供额外的知识去增强大语言模型的推理和解释性。同时,知识图谱也很难去自然构造和进化,对于现有的知识图谱方法来说,生成新的事实和表示未知数据是一个挑战。因此,统一LLMs和KG,同时利用他们的优点是一种补充。在这篇文章中,我们提出了统一LLMs和KG的路线图。原创 2023-11-26 17:17:28 · 1003 阅读 · 0 评论 -
Knowledge Graphs: Opportunities and Challenges论文小白综述笔记|KG-知识图谱|LLM-大模型
将KG作为辅助信息,利用user和item的网络去学习item-user、item-item、user-user的联系。本文主要讲述了知识图谱的主要应用,以及各项技术和面临的挑战。传统问答系统的劣势:从大量的非结构化数据中过滤,效率较低。时序知识图谱,考虑时间信息(时间戳),但是效率会变低。从不同的知识图谱中获取知识,融入到一个知识图谱中。借助知识图谱对文档进行实体和关系的表示。基于现有的知识,推理出新的知识。将知识图谱映射到低维空间。对知识图谱进行建模和构造。补全知识图谱中缺失的关系。原创 2023-11-27 15:58:26 · 1048 阅读 · 0 评论