【每周NLP论文推荐】 知识图谱重要论文介绍

欢迎来到《每周NLP论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。

知识图谱是NLP中非常重要的底层基础建筑。知识图谱之于自然语言处理,就像内功之于武侠世界中的武功。一个优质的知识图谱网络能够极大的提升下游NLP任务的效果。

作者&编辑 | 小Dream哥

1 知识图谱综述

首先介绍两篇中文的知识图谱综述,对于初学者了解知识图谱的相关概念,发展脉络和趋势有很好的好处。

文章引用量:30+

推荐指数:✦✦✦✦✦

[1] 刘峤,李杨,段宏,刘瑶,秦志光. 知识图谱构建技术综 述[J]. 计算机研究与发展, 2016, 53(3): 582-600.

[2] 黄恒琪, 于娟, 廖晓, et al. 知识图谱研究综述[J]. 计算机系统应用, 28(6).

2 OWL

OWL是一种本体描述语言,广泛应用于知识图谱的本体描述架构中,感兴趣的同学可以看以下。

文章引用量:100+

推荐指数:✦✦✦✦✧

[3] Bechhofer S. OWL: Web Ontology Language[J]. Encyclopedia of Information Science & Technology Second Edition, 2004, 63(45):990–996.

3 DBpedia

DBpedia是一个从Wikipedia中抽取出结构化数据而形成的结构化数据网络,可以认为是一个知识图谱,该文介绍了其实现过程。

文章引用量:500+

推荐指数:✦✦✦✦✦

[4] AUER, Al S E . DBpedia: A Nucleus for a Web of Open Data.[C]// Semantic Web, International Semantic Web Conference, Asian Semantic Web Conference, Iswc + Aswc, Busan, Korea, November. DBLP, 2007.

4 实体抽取于关系抽取

实体抽取与实体关系抽取是构建知识图谱中非常重要的一环。目前的趋势都是采用联合抽取的方式,这里介绍2篇比较典型的论文。

文章引用量:20+

推荐指数:✦✦✦✦✦

[5] Zheng S , Wang F , Bao H , et al. Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme[J]. 2017.

[6] Bowen Yu, Zhenyu Zhang, Jianlin Su, et al. Joint Extraction of Entities and Relations Based on a Novel Decomposition Strategy.

5 知识图谱自动构建

长期以来,知识图谱都非常的“贵”,原因在于其构建过程很大程度的依赖人工的介入。近来,一些知识图谱自动化构建的方法开始提出,让知识图谱的“降价”变得可能。

文章引用量:10+

推荐指数:✦✦✦✦✦

[7] Bosselut A , Rashkin H , Sap M , et al. COMET: Commonsense Transformers for Automatic Knowledge Graph Construction[C]// Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. 2019.

6 如何获取文章与交流

找到有三AI开源项目即可获取。

https://github.com/longpeng2008/yousan.ai

原文发布于微信公众号 - 有三AI(yanyousan_ai)

原文发表时间:2019-10-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券