ChatGPT和知识图谱视频笔记

最新推荐文章于 2024-07-09 09:58:25 发布
最新推荐文章于 2024-07-09 09:58:25 发布
阅读量162 收藏
点赞数 1
分类专栏： 自然语言处理 文章标签： 笔记 人工智能 自然语言处理 chatgpt
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yzy__zju/article/details/130535503
版权

 

目录

 Prompt tuing

 Instruction-tuning

知识图谱

  prompting  tuning未对模型参数进行更新， Fine tuning和Instruction tuning都对模型参数进行了更新

 

 Prompt tuing

 prompt简单理解就是提问的问题

 

 

 Instruction-tuning

 

 

 

 

知识图谱

 

 

 

佛系调参
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文浅尝 | 探索基于大模型的知识图谱补全
开放知识图谱
05-01 917
笔记整理：张溢弛，浙江大学硕士，研究方向为知识图谱链接：https://arxiv.org/abs/2308.139161、动机知识图谱在众多人工智能任务中发挥着重要作用，但它们经常面临不完整的问题。在本论文中，作者探索了如何利用大型语言模型（LLM）来完成知识图谱补全任务。作者通过将知识图谱中的三元组视为文本序列，并引入了一个名为知识图谱 LLM（KG- LLM）的框架来为这些三元组建模。本文提...
使用 ChatGPT 的知识图谱
04-04
为了设置一些上下文，我在工作时分享了 nltk/ NLP 学习，并将一本书的内容转换为图表花费了几个周末和大量的 stackoverflow/d3.js 线程来修复我的错误并清理代码. 有了这些经验，我今晚开始“试驾”GPT 引擎。我...
知识图谱源码笔记
jacke121的专栏
06-05 221
知识图谱源码笔记
知识图谱用途（笔记）
weixin_42052249的博客
05-22 232
原视频：
与PLM有关的知识图谱构建相关文献-阅读笔记
weixin_41958290的博客
12-11 1283
在通过LLM生成T2G的过程中，验证器从LLM获取文本T和输出的图G，并向LLM发送校正信号（例如，“将文本转换为语义图，并将给定的三元组添加到生成的语义图”）。训练验证模块的方法：我们从一个种子数据集开始（包含文本和图的(T, G)对），通过在种子集上随意选取一个图G，并对其中的实体、关系或三元组进行任意的扰动，从而构造成一个图扰动数据集。此外，由于T5的tokenizer和WebNLG数据集的词汇覆盖范围不匹配，WebNLG中的一些字符在T5的词汇表中不存在，在tokenization的过程中被忽略。
【机器学习】《ChatGPT速通手册》笔记
weixin_43416960的博客
04-18 1316
我们把给ChatGPT输入的问题文本叫Prompt（提示词）。Prompt Learning提示学习 ==> In-Context Learning上下文学习 ==> Chain of Thought思维链只有当模型参数大于100B（100亿参数）时，思维链的威力才能发挥出来。如果希望将OpenAI的功能集成到自己的项目或者产品中，用于提升产品的交互或者为产品增加亮点，或者希望使用OpenAI解决复杂任务，那么OpenAI的API接口正好可以帮助实现这些想法。
【论文精读】大语言模型融合知识图谱的问答系统研究
null18的博客
03-06 2679
论文题目：大语言模型融合知识图谱的问答系统研究作者信息：张鹤译1，王鑫 1+ ，韩立帆1，李钊 1 ，陈子睿1，陈哲 21.天津大学智能与计算学部，天津300354 2.天津中医药大学循证医学中心，天津301617原文地址代码:https://github.com/zhangheyi- 1/llmkgqas-tcm/大语言模型（large language model，LLM），包括ChatGPT，在理解和响应人类指令方面表现突出，对自 然语言问答影响深远。然而，由于缺少针对垂直领域的训练，LLM。
基于Python+Neo4j+民航数据 ，我搭建了一个知识图谱的自动问答系统
m0_59596937的博客
12-25 2445
最近耗时一周，我基于Python+Neo4j ，搭建了一个民航业知识图谱的自动问答系统。
【AI大模型应用开发】教你用AI轻松将你的知识库变为知识图谱（附完整代码，直接运行）
同学小张的博客
05-22 1885
本文我们来介绍如何使用AI，将自己的知识库自动转换为知识图谱，并进行可视化展示。
如何用ChatGPT提高生产效率？
zhanghao2017的博客
02-26 670
如何用ChatGPT构建知识体系，来提高生产效率。
ChatGPT的知识图谱与语义关联应用.docx
07-22
2. 教育辅助：ChatGPT的知识图谱可以用于学习和教育领域。它可以提供与教材相关的详细解释和示例，帮助学生更好地理解和掌握知识。 3. 旅游咨询：ChatGPT可以根据用户的需求和偏好，为其提供旅游咨询服务。它可以...
ChatGPT的知识图谱与推理能力研究.docx
07-25
1. 知识图谱：ChatGPT 的知识图谱是指其对世界知识的理解和组织方式。ChatGPT 通过大量的训练数据和预训练模型获取了大量的信息，并以图谱的形式存储和检索这些知识。这个知识图谱是由具有语义关联性的实体和关系...
ChatGPT的知识图谱与语义关联技术.docx
07-25
这种能力类似于人类的思维过程，能够从一个问题引申出更多相关的问题和知识。 与此同时，ChatGPT还可以通过知识图谱和语义关联技术进行知识的推理和融合。当用户提出一个复杂问题时，ChatGPT可以将问题分解为多个子...
ChatGPT的知识图谱推理和逻辑推理技巧.docx
07-22
ChatGPT是一款基于深度学习的自然语言处理模型，它的核心能力在于理解和生成人类语言，而为了使其对话更有逻辑性和合理性，引入了知识图谱推理和逻辑推理的技术。这两种推理方式帮助ChatGPT从大量信息中提取关键知识...
【论文阅读笔记】ASPS: Augmented Segment Anything Model for Polyp Segmentation
qq_46056318的博客
07-08 612
ASPS：用于息肉分割的扩展SAM模型2024年 arxivPaperCode息肉分割在结直肠癌诊断中起着至关重要的作用。最近，Segment Anything Model(SAM)的出现利用其在大规模数据集上的强大预训练能力，为息肉分割带来了前所未有的潜力。然而，由于自然图像和内窥镜图像之间的区域差距，SAM在实现有效的息肉分割方面遇到了两个限制。首先，它的基于变压器的结构优先考虑全局和低频信息，可能会忽略局部细节，并在学习的特征中引入偏差。
生物化学笔记：电阻抗基础+电化学阻抗谱EIS+电化学系统频率响应分析
ResumeProject的博客
07-06 1526
阻抗通常用复数表示（这是一个二维表示），包括实部（用来表示电阻成分，对幅值的影响）和虚部（用来表示电感或电容成分，对相位的影响）。
MyBatis框架学习笔记（一）：MyBatis入门
2301_76144723的博客
07-08 461
MyBatis 中文手册：（1）https://mybatis.org/mybatis-3/zh/index.html（2）https://mybatis.net.cn/Maven 仓库：https://mvnrepository.com/ 仓库作用：需要什么 jar 包，搜索得到对应的 maven dependency传统的 Java 程序操作 DB 分析-工作示意图（1）MyBatis 是一个持久层框架 （2）前身是 ibatis, 在 ibatis3.x 时，更名为 MyBatis （3）MyBati
Hugging Face使用笔记
最新发布
人无远虑，必有近忧
07-09 1445
Hugging Face Hub和 Github 类似，都是Hub(社区)。Hugging Face可以说的上是机器学习界的Github。hugging face在NLP领域最出名，其提供的模型大多都是基于Transformer的。
chatgpt和知识图谱结合
08-23
ChatGPT和知识图谱的结合可以产生更加强大和智能的对话系统。ChatGPT作为一个基于大规模预训练的语言生成模型，具有很强的生成能力和语言理解能力。而知识图谱则是一种结构化的知识表示方式，可以用于存储和表示大量的实体、属性和关系。 通过将ChatGPT与知识图谱相结合，我们可以利用知识图谱中的丰富信息来辅助对话系统的生成。具体来说，可以通过以下几种方式实现结合： 1. 实体识别与链接：通过使用知识图谱中的实体识别和链接技术，将对话中的实体与知识图谱中的实体进行匹配和链接，从而丰富对话模型对实体的理解和回答。 2. 关系抽取与推理：利用知识图谱中的关系信息，可以帮助对话系统进行关系抽取和推理。例如，对于一个问题“某电影的导演是谁？”，可以根据知识图谱中的电影-导演关系进行推理并给出回答。 3. 上下文感知：知识图谱可以作为对话系统的上下文信息，为模型提供更多背景知识。通过引入知识图谱的结构和关系，可以帮助对话系统更好地理解和生成上下文相关的回答。 4. 错误修正与一致性检查：知识图谱中的数据可以用于帮助对话系统进行错误修正和一致性检查。例如，如果ChatGPT生成的回答与知识图谱中的事实不一致，可以通过对比和校验来修正生成结果。 综上所述，通过将ChatGPT和知识图谱相结合，可以提升对话系统的知识表示能力、推理能力和上下文感知能力，使其更加智能和准确地回答用户的问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值