KSG：知识与技能图
人工智能
2022-09-14 v1
摘要
知识图（KG）是近年来日益重要的一种基本知识表示形式。由于传统知识图聚焦于命名实体及其关系，其本质为静态且百科式的。在此基础上，事件知识图（Event KG）通过文本处理对时空动态建模，以助益问答、推荐与智能搜索等下游应用。然而，现有 KG 研究多关注文本处理与静态事实，忽略了照片、视频及预训练神经网络中蕴含的大量动态行为信息。此外，尚无研究将行为智能信息纳入知识图以用于深度强化学习（DRL）与机器人学习。本文提出一种新颖的动态知识与技能图（KSG），并基于 CN-DBpedia 构建基础性与特定性 KSG。节点分为实体节点与属性节点：实体节点包含智能体、环境与技能（DRL 策略或策略表示），属性节点包含实体描述、预训练网络与离线数据集。KSG 可检索不同智能体在各环境中的技能，并为获取新技能提供可迁移信息。据我们所知，这是首项探究用于技能检索与学习的动态 KSG 的研究。在新技能学习上的大量实验结果表明，KSG 提升了新技能学习效率。
引用
@article{arxiv.2209.05698,
title = {KSG: Knowledge and Skill Graph},
author = {Feng Zhao and Ziqi Zhang and Donglin Wang},
journal= {arXiv preprint arXiv:2209.05698},
year = {2022}
}
备注
5 pages, 7 figures, published to CIKM 2022