Knowledge Graph (KG)
PulseAugur coverage of Knowledge Graph (KG) — every cluster mentioning Knowledge Graph (KG) across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
研究人员发现SNAP-KG框架在异质图上表现不佳
本文介绍了一个名为SNAP-KG的框架，该框架通过根据新实体的特征将其分配到语义社区来将其集成到现有知识图中。虽然SNAP-KG在连接节点通常属于同一类的同质图上表现良好，但在不满足此假设的异质图上，其性能会显著下降。研究强调，关系（relation）的同质性，而不是关系的数量，是聚类质量的关键因素。作者认为，处理异质多视图聚类是一个独立的研究问题，并提出未来工作将开发一个异质感知型（heterophily-aware）的SNAP-KG教师模型。
-
新基础模型应对知识图谱中的实体对齐挑战
研究人员开发了一种新的实体对齐（EA）基础模型，该模型解决了现有模型在将知识迁移到未见过的知识图谱（KGs）时的局限性。所提出的模型通过采用并行编码策略来解决“推理边界差距”问题，该策略使用种子EA对作为局部锚点来指导信息流。这种方法缩短了推理轨迹，并提高了对新KGs的泛化能力，已通过大量实验得到验证。
-
New Chinese dataset benchmarks LLMs for knowledge-grounded tasks
研究人员推出了中文数据-文本对（CDTP），这是一个大规模数据集，旨在评估中文知识增强型大型语言模型（LLMs）。该数据集包含超过700万个实例，将中文文本与知识图谱三元组配对，旨在支持知识图谱补全（KGC）、问答（QA）和三元组到文本生成（T2T）等任务。CDTP特别解决了中文的歧义和分词模糊等语言细微差别，旨在提高LLMs的结构化推理和事实理解能力。实验表明，虽然模型规模本身不足以解决问题，但在CDTP上进行微调可以提高模型在这些…