![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
知识图谱
文章平均质量分 82
AI知识图谱大本营
知识图谱AI大本营 是一个追踪、解读、讨论和报道大模型、知识图谱、NLP、深度学习、机器学习等AI前沿成果的学术平台,致力于让人工智能领域的国内外优秀科研工作者们得到交流学习的机会。
展开
-
基于知识图谱的少样本和零样本学习综述
应用范围: ZSL被广泛应用于从图像分类和视觉问答(VQA)到文本分类、知识提取和知识图谱补全等不同任务。监督式机器学习分类定义: 在监督式机器学习分类中,训练数据集 用于训练分类器,从而在测试集 上准确预测标签。ZSL的正式定义: ZSL旨在使用训练样本集 训练函数 来预测测试集 上的样本,其中测试样本的类别 与训练样本的类别 不相交,即。辅助信息的使用: 由于未见类别没有标记样本,ZSL方法依赖于辅助信息,如类属性、类文本描述和类层次结构。原创 2024-02-03 10:24:09 · 1146 阅读 · 0 评论 -
一篇关于大模型在信息抽取(实体识别、关系抽取、事件抽取)的研究进展综述
基于这些全面的调查,我们识别了一些有前景的研究方向和技术,这些值得在未来的研究中进一步探索。未来的研究方向包括:(1)探索更有效的学习范式以提高LLMs在生成式信息抽取任务上的性能;例如,在监督微调中,LLMs通过在有标签数据上进行微调来提高性能;近年来,大语言模型(LLMs)在自然语言处理领域取得了显著的成果,尤其是在生成式信息抽取任务上表现出色。LLMs在各个子任务上均取得了显著的成果,例如在NER、RE和EE任务上,LLMs已经超越了传统的判别式方法,并且在多任务学习和跨领域迁移方面具有很强的潜力。原创 2024-01-02 23:21:52 · 5186 阅读 · 2 评论 -
中文小样本NER模型的方法与总结
在UIE出来以前,小样本NER主要针对的是英文数据集,目前主流的小样本NER方法大多是基于prompt,在英文上效果好的方法,在中文上不一定适用,其主要原因可能是:中文长实体相对英文较多,英文是按word进行切割,很多实体就是一个词;边界相对来说更清晰;生成方法对于长实体来说更加困难。但是随着UIE的出现,中文小样本NER 的效果得到了突破。原创 2022-08-25 10:44:39 · 828 阅读 · 0 评论 -
预训练模型在华为推荐中的应用与探索和GNN训练过程动态可视化源码讲解
分享嘉宾:朱杰明 华为诺亚方舟实验室编辑整理:张奥宇 AWS出品平台:DataFunTalk经过多年的技术进步,推荐系统场景已经从最开始的协同过滤,发展到了现在的深度学习为核心的阶段。随着深度学习模型的体量逐渐变大后,其优化的难度也在增大,特别在推理性能上的限制下,最后模型的效果提升受到了很大的局限性,很少能产生质的飞跃。对于这类问题,今天会和大家讨论怎么借助预训练模型的方法来跨过深水区,辅助推荐系统进一步大幅提高性能。今天的介绍会围绕下面五点展开: 华为诺亚方舟实验室原创 2022-05-27 20:40:54 · 220 阅读 · 0 评论 -
信息抽取里程碑式突破 终于要大规模落地了?
AI领域的工作突破通常有三类: 屠爆了学术界榜单,成为该领域学术层面的新SOTA 实现了大一统,用一个架构实现对该领域诸多子任务的统一建模,刷新建模认知 将NB的学术界新SOTA变成一件人人可傻瓜式使用的开源工具利器,带领该领域大规模落地开花 要单独实现其中的任何一点,都是一件很有挑战的事情。如果我说,在信息抽取领域,不久前的一个工作同时做到了这三种突破呢?这次,先倒着讲。先讲第三点:一个刷新认知的信息抽取开源工具信息抽取是一个行业应用价值很高的技术,却因为原创 2022-05-19 15:18:39 · 125 阅读 · 0 评论 -
学习知识图谱经常用到的网址
1.双线性模型(一)(RESCAL、LFM、DistMult) - 胡萝不青菜 - 博客园 (cnblogs.com)原创 2022-05-13 11:33:27 · 1314 阅读 · 0 评论 -
【浙江大学】一个开源的知识图谱表示学习框架
一、NeuralKG:一个开源的知识图谱表示学习框架OpenKG地址:openkg.cn/tool/neuralkgGitHub地址:github.com/zjukg/neuralkgGitee地址:gitee.com/openkg/neuralkgNeuralKG官网:neuralkg.zjukg.org论文地址:arxiv.org/pdf/2202.12571.pdf开放许可协议:Apache License 2.0贡献者:浙江大学(张文,陈湘楠,姚祯,陈原创 2022-05-08 14:00:32 · 3466 阅读 · 0 评论 -
用于医疗疾病关系提取的图的多模态学习
疾病知识图是一种连接、组织和访问有关疾病的不同信息的方法,对人工智能(AI)有许多好处。为了创建知识图,有必要以疾病概念之间关系的形式从多模态数据集中提取知识,并对概念和关系类型进行规范化。我们介绍了REMAP,一种用于疾病关系提取和分类的多模式方法。重新映射机器学习方法将部分、不完整的知识图和医学语言数据集联合嵌入到一个紧凑的潜在向量空间中,然后对齐多模态嵌入以获得最佳的疾病关系提取。系统化知识正在成为人工智能的支柱,为人工智能注入语义并将其完全集成到机器学习算法中创造了机会。虽然先验语义知识有助原创 2022-05-05 19:20:16 · 1531 阅读 · 1 评论 -
比赛开启:CCKS2022技术评测任务七“化学元素知识图谱构建及应用
任务描述: 随着AI技术的发展和普及,药物研发也逐渐进入到AI时代,擅长处理大数据的AI深度学习技术,就成为近年来大家关注的焦点。化合物的性质预测的主要目的在于及时发现理化性质不达标的化合物,以降低候选化合物进入临床实验失败的风险,提升药物研发的成功率。传统的化合物性质预测分析一般采取实验方式,成本高昂且耗时长。很多的研究工作都证明了机器学习技术,特别是深度学习在化合物性质预测方面的巨大潜力,这些工作使用序列(SMILES表达式)或是图(原子为节点,化学键为边)来表示化合物,用序列建模或者图神经...原创 2022-05-05 10:23:43 · 843 阅读 · 0 评论 -
中国团队夺冠,刷新了知识图谱竞赛的世界纪录
近日,素有知识图谱「世界杯」之称的OGBL-wikikg2的比赛结果公布了。度小满AI-Lab团队强势夺冠,碾压Meta AI实验室FAIR、蒙特利尔Mila实验室等一众国内外顶级AI科研机构,创造了KGE算法新纪录。地址:ogb.stanford.edu/docs/lOGB是斯坦福大学发布的国际知识图谱基准数据集,也是图神经网络领域最权威、最具挑战性的「竞技场」,每年都有众多顶级研究机构和企业前来参赛。TranS强势刷榜,KGE开启新时代在这原创 2022-04-26 13:48:38 · 1498 阅读 · 0 评论 -
面向法律领域的罪名预测、问题分类与FAQ问答模型设计与实现【NLP】
一、面向法律领域的罪名预测、问题分类与FAQ问答模型设计与实现【NLP】目前NLP技术在各个行业中应用逐步打开,尤其在金融,医疗,法律,旅游方面,NLP技术助力法律智能,能够在一定程度上利用现有大数据以及机器学习/深度学习与自然语言处理技术,提供一些智能的解决方案。面向法律领域的罪名预测、问题分类与FAQ问答模型设计与实现【NLP】2、数据来源本次项目的数据来源于两个,一个是罪名预测数据集,一个是法律问答数据集:1)罪名预测数据集CAIL 2018年设置了罪名预测、法条推荐、刑期原创 2022-03-15 18:49:12 · 4725 阅读 · 1 评论 -
NLP前沿:使用点击数据进行句子细粒度上下文增强的短文本匹配新框架
本文主要围绕这一特殊任务,介绍如何引入外部句子级细粒度信息来增强短文本信息;介绍一篇由creep的算法笔记整理近期的一篇论文工作,并作相应补充完善,供大家一起思考。image-20220308155520667论文地址:https://export.arxiv.org/pdf/2203.01849.pdf一、解决了什么问题《Context Enhanced Short Text Matching using Clickthrough Data》是2022年3月的一篇文章,由清华大学和腾讯原创 2022-03-12 23:17:59 · 1764 阅读 · 0 评论 -
【综述 】 知识图谱(Knowledge graph)链路预测(Link Prediction)
Knowledge Graph Embedding for Link Prediction: A Comparative Analysis 作者:Andrea Rossi、Donatella Firmani、Antonio Matinata、Paolo Merialdo、Denilson Barbosa 论文链接:https://arxiv.org/pdf/2002.00819.pdf 摘要:知识图谱(Knowledge graph, KGs)在工业和学术领域有很多应用,这反过来又推动了原创 2022-03-12 20:41:09 · 7245 阅读 · 0 评论 -
【开源】开源立体化漏洞情报知识图谱
OpenKG地址:http://openkg.cn/dataset/vuln-sprocket开放许可协议:CC BY-SA 4.0 (署名相似共享)贡献者:四维创智(李德斌,孙基栩,鲍晨阳)2. 知识图谱构建2.1漏洞情报实体、关系的选择简析在进行知识抽取前,我们首先要明确,什么是漏洞情报。我们的理解是:针对某一漏洞,所有对了解该漏洞有帮助的信息,都可以称之为该漏洞的漏洞情报。在这里,需要明确的是,漏洞需要了解哪些信息,以及怎样的信息才算是对了解该漏洞有帮助。通过.原创 2022-03-10 13:26:27 · 844 阅读 · 0 评论 -
DeepKE发布新版本:支持低资源、长篇章、多任务的图谱抽取开源框架,开源开放
OpenKG地址:http://openkg.cn/tool/deepkeGitHub地址:https://github.com/zjunlp/deepkeGitee地址:https://gitee.com/openkg/deepkeDeepKE网站:http://deepke.zjukg.org/CN/index.html开放许可协议:GPL 3.0贡献者:浙江大学(张宁豫、陶联宽、徐欣、余海洋、叶宏彬、谢辛、陈想、黎洲波、李磊、梁孝转、姚云志、乔硕斐、邓淑敏、张文、郑国轴、陈华钧..原创 2022-03-05 17:20:13 · 1319 阅读 · 0 评论 -
如何构建知识图谱
作者丨徐阿衡学校丨卡耐基梅隆大学硕士研究方向丨QA系统实践了下怎么建一个简单的知识图谱,两个版本,一个从 0 开始(start from scratch),一个在 CN-DBpedia 基础上补充,把 MySQL,PostgreSQL,Neo4j 数据库都尝试了下。自己跌跌撞撞摸索可能踩坑了都不知道,欢迎讨论。1. CN-DBpedia 构建流程知识库可以分为两种类型,一种是以 Freebase,Yago2 为代表的 Curated KBs,主要从维基百科和 WordNet 等知识库中抽原创 2022-02-22 22:14:00 · 4464 阅读 · 0 评论 -
机器学习入门到高手的进阶之路
解释大部分术语-人工智能,数据科学,机器学习,深度学习,梯度下降,线性回归,过拟合和欠拟合,偏差和方差误差,基扩展和正则化。原创 2022-02-22 14:59:47 · 99 阅读 · 0 评论 -
安全领域知识图谱建设与典型应用场景
安全知识图谱是网络安全领域专用知识图谱,也是知识图谱应用于安全业务的重要工业尝试。当前,安全领域中存在大量的业务数据,建模需求以及应用需求,了解安全领域知识图谱的建设方法以及典型应用场景,具有重要意义。本文主要对《安全知识图谱技术白皮书》一文进行解读和总结介绍,对于安全领域的朋友可以重点关注。一、安全知识图谱概述安全知识图谱作为一种实体和概念等安全知识的高效组织形式,能够发挥其知识整合的优势,将零散分布的多源异构的安全数据组织起来,为网络安全空间的威胁建模、风险分析、攻击推理等提供数据分析和知识原创 2022-02-19 23:03:54 · 4512 阅读 · 0 评论 -
最近3篇蛋白质及其组学知识图谱Nature子刊文章解决生物学核心问题
第一篇文章2022年1月31日Alberto Santos 最新发表在《自然生物技术》上的文章 ” A knowledge graph to interpret clinical proteomics data”. 针对生物医学数据数量大、种类丰富而带来的数据整合困难,该工作提出了一个开源的临床知识图谱平台CKG(Clinical Knowledge Graph), 该平台结合了统计和机器学习算法,加速了典型蛋白质组学工作流程的分析和解释。相比于其他解决方案,CKG平台显得更加友好,将一系列数据库和科学原创 2022-02-17 23:10:12 · 1039 阅读 · 1 评论