KDD 2024 OAG-Challenge Cup赛道三项冠军技术方案解读
原文中文，约8000字，阅读约需19分钟。
📝
内容提要
大众点评技术部的BlackPearl团队在KDD 2024 OAG-Challenge Cup赛道中以大模型解决了学术知识图谱挖掘问题，包括论文同名消歧、论文源头追溯和学术论文问答。他们采用了自反馈增强的迭代式大模型文本聚类、Grafting-Learning技术和Automatic RAG & Feature Engineering技术等方法，取得了显著的优势。这些解决方案对于学术数据挖掘的发展具有重要意义。
❓
Q&A
BlackPearl团队在KDD 2024 OAG-Challenge Cup中取得了什么成就？
BlackPearl团队在KDD 2024 OAG-Challenge Cup中包揽了全部赛题的冠军。
学术数据挖掘的主要目标是什么？
学术数据挖掘的主要目标是加深对科学发展的理解，支持政策制定和知识获取。
论文同名消歧任务面临哪些挑战？
论文同名消歧任务面临样本数量多和信息量大的挑战，导致输入文本超长。
BlackPearl团队如何解决论文源头追溯任务中的数据集标签分布差异问题？
团队利用嫁接学习技术提高样本置信度，巧妙利用规则标注和人工标注的数据集。
在学术论文问答任务中，主要的难点是什么？
学术论文问答任务的主要难点在于数据噪声大，用户引用标准不一致。
BlackPearl团队在论文同名消歧任务中采用了哪些技术？
团队采用了自反馈增强的迭代式大模型文本聚类、Train-Time Difficulty Increase和Test-Time Augmentation等技术。
🏷️
