一种可以从预训练语言模型中可扩展可解释地高效提取知识图谱的新框架
- 知识图谱简介
- BertNet
- 从语言模型中获取知识图谱的框架
- 兼容性分数
- 1. 提示构建
- 2. 实体对搜索
- 抽取出的知识图谱
- 总结
内容来源:来自加州大学圣迭戈分校(UCSD)、卡内基梅隆大学(CMU)等机构的研究者提出了一种 自动知识抽取框架,可以从
BERT
或
RoBerta
等预训练语言模型中高效且可扩展地提取
知识图谱
。
知识图谱简介
知识图谱 (KG) 是表示知识的一种形式,通常由头尾实体及其关系的三元组构成。它被广泛应用在各个领域,包括搜索引擎
、推荐系统
、聊天机器人
和医疗保健
。传统的知识图谱是通过昂贵的众包(例如WordNet
, ConceptNet
, ATOMIC
)构建的。
尽管最近的研究探索了使用文本挖掘技术来自动构建知识图谱,但由于