BriefGPT - AI 论文速递 -
探索大型语言模型与知识图谱的推理能力
LLMs 通过内部的知识图来推理知识图谱，本文研究了 LLMs 从预训练知识图中召回信息的准确性以及从上下文中推断知识图关系的能力，并通过四个不同的知识图推理任务来验证了其成功处理简单和复杂知识图推理任务以及从输入上下文中推断的实验结果。
AI生成摘要
标签
图谱
相关的文章：
BriefGPT - AI 论文速递 -
基于 GNN 的电力网动态特性评估及知识图谱应用
通过图神经网络（GNN）发展了一种检测电力网故障的新方法，旨在增强网络运维中的智能故障诊断能力，该方法借助特殊的电气特征提取模型和知识图谱，通过整合节点的历史和未来状态来辅助当前故障检测，并通过对神经网络层各个节点输出特征进行相关分析验证了该 GNN 在提取节点特征方面的有效性，实验证明该方法可在模拟场景中准确定位故障节点，准确率达到 99.53%，此外，图神经网络的特征建模还可定性揭示故障在节点之间的传播情况，提供有价值的故障节点分析洞察。
AI生成摘要 通过图神经网络（GNN）开发了一种检测电力网故障的新方法，提高了智能故障诊断能力。该方法利用电气特征提取模型和知识图谱，整合节点的历史和未来状态来辅助故障检测。实验证明该方法在模拟场景中准确率达到99.53%，并揭示了故障在节点之间的传播情况。
BriefGPT - AI 论文速递 -
增加多语言知识图谱中文本信息的覆盖范围和精确度
自然语言处理和计算机视觉领域中近期的研究一直在利用知识图谱中可用的文本信息，例如实体名称和描述，来将神经模型与高质量的结构化数据对接。然而，在非英语语言中，可用的文本信息的数量和质量相对较少。为了解决这个问题，我们提出了自动知识图谱增强（KGE）的新任务，并对英语和非英语语言之间的文本信息的数量和质量差异进行了深入研究。作为对增加多语言覆盖率和实体名称、描述精确度的问题的研究，我们呈现了 M-NTA，一种新的无监督方法，结合了机器翻译（MT），网络搜索（WS）和大型语言模型（LLMs）以生成高质量的文本信息，并研究了增加非英语文本信息的多语言覆盖率和精确度对实体链接、知识图谱补全和问题回答的影响。作为我们朝着更好的多语种知识图谱的努力的一部分，我们还介绍了 WikiKGE-10，第一个跨 7 个语系评估 10 种语言中的 KGE 方法的人工策划的基准。
AI生成摘要 该研究提出了自动知识图谱增强（KGE）的新任务，以解决非英语语言中可用文本信息的数量和质量较少的问题。研究呈现了一种新的无监督方法M-NTA，结合了机器翻译、网络搜索和大型语言模型，以生成高质量的文本信息。研究还探讨了增加非英语文本信息对实体链接、知识图谱补全和问题回答的影响。此外，研究还介绍了WikiKGE-10，一个跨7个语系评估10种语言中KGE方法的基准。
BriefGPT - AI 论文速递 -
BioLORD-2023: 融合 LLM 和临床知识图谱洞察的语义文本表示
我们在本研究中探讨了大型语言模型在补充生物医学知识图谱中的潜力，通过利用 UMLS 知识图谱和先进的大型语言模型，我们提出了一种新的先进方法，通过改进的对比学习阶段、新颖的自蒸馏阶段和权重平均化阶段，获得了生物医学概念和句子的高保真度表示。通过对 BioLORD 测试套件的严格评估和多样化的下游任务，我们证明了与以往先进技术相比的一致且显著的性能改进（例如，在 MedSTS 上提高了 2 点，在 MedNLI-S 上提高了 2.5 点，在 EHR-Rel-B 上提高了 6.1 点）。除了我们的新型英文生物医学模型外，我们还蒸馏并发布了与 50 多种语言兼容并在 7 种欧洲语言上进行了微调的多语言模型。我们最新的模型可以使许多临床流程受益，开启了生物医学语义表示学习在多种语言中发展的新途径，为全球的生物信息学研究人员提供了宝贵的工具。因此，我们希望看到 BioLORD-2023 成为未来生物医学应用的宝贵工具。
AI生成摘要 本研究探讨了大型语言模型在补充生物医学知识图谱中的潜力。通过改进的对比学习、自蒸馏和权重平均化阶段，获得了高保真度的生物医学概念和句子表示。在多个任务上，与以往技术相比，性能有显著提升。还发布了与多种语言兼容的多语言模型。这些模型可以在临床流程中受益，并为全球生物信息学研究人员提供宝贵工具。希望BioLORD-2023成为未来生物医学应用的宝贵工具。
BriefGPT - AI 论文速递 -
基于自治知识图谱改进的减轻大型语言模型幻觉
知识图谱的积极运用可以有效减轻大型语言模型的虚构幻觉，本文提出了一种基于知识图谱的改进框架，通过将知识图谱与语言模型相结合，修改模型生成的初步回答，从而验证和完善其中的事实陈述，实验证明该框架在解决复杂推理过程中显著提高了语言模型在事实问答基准测试中的性能，有效减轻了虚构幻觉，增强了语言模型的可信度。
AI生成摘要 本文研究了解决知识图谱问答任务的方法，提出了一种将知识图转化为文本的方法，并基于此方法提出了一种增强的语言模型框架。实验证明该方法在回答准确性和知识陈述方面优于先前的方法。
BriefGPT - AI 论文速递 -
迈向知识图谱模式收集、分析和嵌入的网关
LiveSchema 是一个旨在利用现有的本体论和知识图谱等关系数据资源的网关，并提供了聚合其他源目录和仓库、查询、转换为概念分析矩阵以及生成模型和张量的功能。
AI生成摘要 本文介绍了一种基于知识图谱和语义网络技术的Vision Knowledge Graph（VisionKG），用于链接、组织和管理具有异构特征的视觉数据集。该系统提供了简单访问和查询不同格式和分类法的最新视觉数据集，并通过SPARQL提供多种数据检索与探索服务。该系统集成了30个数据集和四个流行CV任务，展示了在CV流程中的多种应用场景。
BriefGPT - AI 论文速递 -
联邦知识图谱补全：基于潜在嵌入共享和张量分解
提出了一种新的方法，利用联邦张量分解进行知识图谱完成，该方法名为联邦潜在 embedding 共享张量分解 (FLEST)，通过分解嵌入矩阵并共享潜在字典嵌入降低隐私风险，实验证明了该方法的有效性和高效性，提供了在性能和隐私之间的平衡解决方案。
AI生成摘要
BriefGPT - AI 论文速递 -
利用 LLM 在学术知识图谱问答中的优化
使用大型语言模型，该研究论文介绍了一种学术知识图谱问答（KGQA）系统，通过少量示例解决书目自然语言问题。模型使用基于 BERT 的句子编码器来识别与给定测试问题相关的前 n 个相似训练问题，并检索它们对应的 SPARQL 查询。利用前 n 个相似问题 - SPARQL 对作为示例以及测试问题创建提示，并将其传递给大型语言模型以生成 SPARQL 查询。最后，在底层知识图谱（Open Research KG）端点上运行 SPARQL 查询并返回答案。该系统在 Scholarly-QALD-23 挑战基准中的 SciQA 数据集上获得了 99.0% 的 F1 分数。
AI生成摘要 大型语言模型在生成能力方面表现出色，但在回答需要不太常见的信息的问题时容易出现幻觉。为了解决这个问题，研究人员提出了一个综合数据集，包含从结构化和非结构化知识源中检索信息的两跳多源问题。他们还引入了一种新颖的方法，利用多个检索工具，包括文本段落检索和符号化语言辅助检索。研究结果显示，这种方法在解决推理挑战方面优于以往的方法。
BriefGPT - AI 论文速递 -
童话问答：将常识知识图谱融入儿童故事书叙述
AI 模型通过使用以叙述为基础的问答数据集来提供定制化问答功能，以支持面向儿童教育应用；然而，现有数据集仅包括基于故事内容的问答对，而当教师将故事内容与现实世界的知识（例如常识知识）进行关联时，儿童可以学到更多。我们引入了由儿童教育专家注释的 FairytaleCQA 数据集，用于补充 278 个故事叙述的教育适用的常识知识。该数据集包含 5,868 个问答对，不仅源自故事叙述，而且包含由外部知识图（即 ConceptNet）支持的常识知识。后续实验表明，使用 FairytaleCQA 对较小模型（T5-large）进行微调，可在新的问答对生成任务（QAG）中可靠地胜过更大的提示工程化语言模型（例如 GPT-4）。这一结果表明：1）我们的数据集给现有语言模型带来了新的挑战，2）人类专家的数据注释仍然至关重要，因为他们在儿童教育领域拥有着更多细微的知识，语言模型不知晓。
AI生成摘要 AI模型通过使用以叙述为基础的问答数据集来提供定制化问答功能，以支持面向儿童教育应用。引入了由儿童教育专家注释的FairytaleCQA数据集，用于补充故事叙述的教育适用的常识知识。实验结果表明，使用FairytaleCQA对较小模型进行微调可胜过更大的提示工程化语言模型。人类专家的数据注释仍然至关重要。
BriefGPT - AI 论文速递 -
面向配电网络知识图谱的电力配电调度文本实体链接方法
基于深度理解电力配电调度文本与配电网络知识图谱，提出了一种实体链接方法，通过利用知识图谱和调度文本中实体的语义、语音和句法特征，采用了改进的词汇语义特征基于跳跃卷积神经网络（LSF-SCNN）模型，实现了将调度文本实体与知识图谱中实体有效匹配，通过在真实世界的电力配电调度场景中采用交叉验证方法评估了该模型与控制模型的效果，研究结果表明 LSF-SCNN 模型在英文实体链接过程中准确链接各种实体类型的能力优秀且整体准确率较高。
AI生成摘要 本文研究了资源受限文本数据传输的语义信息提取问题。通过自然语言处理技术提取原始文本数据，并将语义信息捕捉到知识图中。引入概率维度以捕捉信息重要性，并提出基于Floyd算法的解决方案。实验证明算法在语义不确定性和相似性方面有效。
