本文介绍了一种构建学术知识图谱的新方法,解决了来源归属和可比性的复杂性。它提出区分用于证据检索的工作地址、来源定义的类别以及接纳段落进行比较的决定。作者通过 PaRAGraph Casebook 在四个可重运行的案例中展示了这种方法,说明了语言模型如何提取和验证主张。该系统将这些决定存储为对象,固定了从比较到证据的路径,同时允许使用新来源修改分类法。 AI
影响 引入了一个更强大、可验证的学术知识图谱框架,有可能改进由人工智能驱动的研究综合。
排序理由 这是一篇发表在 arXiv 上的研究论文,详细介绍了一种构建学术知识图谱的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- comparability
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- knowledge graph
- language model
- Litmaps
- PaRAGraph Casebook
- ScienceCast
- scite Smart Citations
- Sinitic dialectology
- source attribution
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →