🚀 KnowGL:從文本中進行知識生成與鏈接
KnowGL 模型致力於解決從文本中提取和生成知識的問題。它通過結合 Wikidata 和 REBEL 數據集中擴展版本的訓練數據進行訓練,能夠將文本轉化為結構化的三元組知識,為知識圖譜的構建和應用提供了強大的支持。
✨ 主要特性
- 知識生成:給定一個句子,KnowGL 可以生成特定格式的三元組
[(subject mention # subject label # subject type) | relation label | (object mention # object label # object type)]
。若生成多個三元組,輸出中會用 $
分隔。
- 鏈接功能:生成的主體、關係和客體的標籤及其類型可直接映射到與之關聯的 Wikidata ID。
- 先進性能:在 REBEL 數據集的關係抽取任務中取得了最先進的成果。
📦 安裝指南
文檔未提供安裝步驟,故跳過此章節。
💻 使用示例
文檔未提供代碼示例,故跳過此章節。
📚 詳細文檔
模型訓練
knowgl-large
模型是通過將 Wikidata 與 REBEL 數據集中擴展版本的訓練數據相結合進行訓練的。
輸出格式
給定一個句子,KnowGL 生成的三元組格式如下:
[(subject mention # subject label # subject type) | relation label | (object mention # object label # object type)]
若生成多個三元組,輸出中用 $
分隔。更多詳細信息可參考 Rossiello et al. (AAAI 2023)。
模型性能
該模型在 REBEL 數據集的關係抽取任務中取得了最先進的成果,具體結果可參考 Mihindukulasooriya et al. (ISWC 2022)。
映射功能
生成的主體、關係和客體的標籤及其類型可直接映射到與之關聯的 Wikidata ID。
信息表格
屬性 |
詳情 |
模型類型 |
知識生成與鏈接模型 |
訓練數據 |
Wikidata 與 REBEL 數據集中擴展版本的訓練數據 |
🔧 技術細節
文檔未提供技術實現細節,故跳過此章節。
📄 許可證
本項目採用 cc-by-nc-sa-4.0
許可證。
引用信息
@inproceedings{DBLP:conf/aaai/RossielloCMCG23,
author = {Gaetano Rossiello and
Md. Faisal Mahbub Chowdhury and
Nandana Mihindukulasooriya and
Owen Cornec and
Alfio Massimiliano Gliozzo},
title = {KnowGL: Knowledge Generation and Linking from Text},
booktitle = {{AAAI}},
pages = {16476--16478},
publisher = {{AAAI} Press},
year = {2023}
}
@inproceedings{DBLP:conf/semweb/Mihindukulasooriya22,
author = {Nandana Mihindukulasooriya and
Mike Sava and
Gaetano Rossiello and
Md. Faisal Mahbub Chowdhury and
Irene Yachbes and
Aditya Gidh and
Jillian Duckwitz and
Kovit Nisar and
Michael Santos and
Alfio Gliozzo},
title = {Knowledge Graph Induction Enabling Recommending and Trend Analysis:
{A} Corporate Research Community Use Case},
booktitle = {{ISWC}},
series = {Lecture Notes in Computer Science},
volume = {13489},
pages = {827--844},
publisher = {Springer},
year = {2022}
}