图谱
超三万种材料，近百万真实材料合成表征信息，LLM精准构建材料知识图谱MKG，登NeurIPS 2024
编辑 | ScienceAI知识图谱集成多源数据信息为结构化知识，以阐明复杂科学领域的数据结构并介导研究进展、创新和应用的结构化知识交流。 为了统筹和分析分散在数以百万计的文献中的材料学知识，新南威尔士大学（UNSW）、同济大学、香港城市大学以及 GreenDynamics 律动造物，构建了材料知识图谱（MKG）。 该团队依托于大型语言模型独立设计的本体论，并自动化地提取及清洗了大量的材料学文献中的知识，构建出了丰富的知识图谱。
三星收购英国 Oxford Semantic Technologies 公司：让本地 AI 模拟人类方式处理复杂任务
三星公司今天（7 月 18 日）发布新闻稿，宣布收购英国知识图谱初创公司 Oxford Semantic Technologies，进一步增强本地 AI 功能，为用户提供更个性化的 AI 体验。AI在线查询公开资料，Oxford Semantic Technologies 公司成立于 2017 年，由伊恩・霍罗克斯（Ian Horrocks）、鲍里斯・莫蒂克（Boris Motik）和贝尔纳多・昆卡・格劳（Bernardo Cuenca Grau）三位牛津大学教授创办。该公司目前主打产品是 AI 引擎 RDFox，
蚂蚁集团、浙江大学联合发布开源大模型知识抽取框架OneKE
近日，由蚂蚁集团和浙江大学联合研发的大模型知识抽取框架OneKE宣布开源，并且捐赠给OpenKG开放知识图谱社区。知识图谱是实现大模型可信可控的关键技术之一，知识抽取可助力构建领域知识图谱。OneKE致力于帮助研究人员和开发者更好地处理信息抽取、文本数据结构化、知识图谱构建等问题。比如，通过OneKE抽取风险事件、人物实体、机构实体等可以清晰呈现事件脉络、事件发展趋势和实体之间关联，构建好的图谱可以帮助大模型实现跨实体、跨文档的复杂推理 。OneKE支持中英双语，支持OpenSPG及DeepKE开源框架，可开箱即用
国内百模大战正盛，海致科技推出首个知识图谱融合大模型应用平台
从 ChatGPT 引发的大众追捧到 “百模大战”，大语言模型和生成式 AI 正在以前所未有的速度改变人类的生活和生产方式。全球用户很快发现，在与大语言模型交互的过程中，会碰到它 “一本正经的胡说八道”，输出似是而非甚至荒谬的结果，这也在不断引发 C 端用户 “调侃” 大模型的 “狂欢”。然而，这种被称作 “大模型幻觉” 的技术特点却阻碍了它在 B 端和工业界的应用与发展。
大型语言模型与知识图谱协同研究综述：两大技术优势互补
多图综述理清当前研究现状，这篇 29 页的论文值得一读。
一文详解BERT模型实现NER命名实体抽取
在自然语言处理和知识图谱中，实体抽取、NER是一个基本任务，也是产业化应用NLP 和知识图谱的关键技术之一。
知识图谱构建下的自动问答KBQA系统实战
目前工程落地实现问答的技术路线基本分为基于知识图谱的问答（KBQA）、基于阅读理解的问答(MRC)和常见问题问答（FAQ）三种模式
达观电网故障知识图谱，三大功能全面提升电网故障处置效率
达观推出电力故障模式知识图谱，借助自然语言处理、深度学习、图计算等智能化技术从非结构化的故障处置文档中抽取出故障相关知识，并将这些知识组织成结构化、可视化的表示形式。
服务量化投资，基于知识图谱的事件表征框架研究入选SIGIR
瞰点科技和上海交大的研究团队提出了一种服务于量化投资的基于知识图谱的事件表征框架，称为 Knowledge Graph-based Event Embedding Framework（KGEEF）。通过在真实股票市场上进行的大规模实验表明，本文提出的方法显著有助于量化投资的策略提升。
- 1