FabKG：利用结构化与非传统非结构化知识源的制造科学领域知识图谱
计算与语言
2022-06-22 v1 人工智能
符号计算
摘要
随着大规模信息处理需求的增长，基于知识图谱的方法在表示通用与领域知识方面日益重要。此类通用表示的开发至关重要，尤其在制造等可通过智能流程与自适应教育增强的领域。尽管这些领域的文本持续积累，结构化数据的缺乏造成了信息抽取与知识迁移障碍。在本文中，我们报告了基于实体与关系数据、面向商业与教育用途开发鲁棒知识图谱的工作。为创建FabKG(制造知识图谱)，我们利用教科书索引词、论文关键词、FabNER(制造命名实体识别)从Wikidata中抽取子知识库。此外，我们提出了一种利用学生笔记的众包新知识图谱构建方法，学生笔记包含宝贵信息却未被作为有意义信息捕获，仅用于个人学习备考与笔试。我们利用所有数据源创建了包含65000+三元组的知识图谱。我们还展示了面向教育领域的特定领域问答以及基于表达式/公式的问答用例。
引用
@article{arxiv.2206.10318,
title = {FabKG: A Knowledge graph of Manufacturing Science domain utilizing structured and unconventional unstructured knowledge source},
author = {Aman Kumar and Akshay G Bharadwaj and Binil Starly and Collin Lynch},
journal= {arXiv preprint arXiv:2206.10318},
year = {2022}
}
备注
NAACL 2022 Workshop on Structured and Unstructured Knowledge Integration (SUKI)