面向知识图谱的开放域知识抽取
计算与语言
2023-12-18 v1 人工智能
摘要
知识图谱的质量直接影响下游应用的质量（例如，使用图谱可回答问题的数量）。构建知识图谱时的一个持续挑战是确保图谱实体和事实的完整性和新鲜度。在本文中，我们介绍了ODKE，一个可扩展且可扩展的框架，能够从开放网络中大规模获取高质量实体和事实。ODKE利用广泛的提取模型，并支持不同延迟下的流处理和批处理。我们反思了在构建和部署ODKE以扩展工业级开放领域知识图谱过程中遇到的挑战和设计决策，并分享了经验教训。
引用
@article{arxiv.2312.09424,
title = {Open Domain Knowledge Extraction for Knowledge Graphs},
author = {Kun Qian and Anton Belyi and Fei Wu and Samira Khorshidi and Azadeh Nikfarjam and Rahul Khot and Yisi Sang and Katherine Luna and Xianqi Chu and Eric Choi and Yash Govind and Chloe Seivwright and Yiwen Sun and Ahmed Fakhry and Theo Rekatsinas and Ihab Ilyas and Xiaoguang Qi and Yunyao Li},
journal= {arXiv preprint arXiv:2312.09424},
year = {2023}
}
备注
7 pages, 7 figures, 5 tables, preprint technical report, no code or data is released