歡迎來到《每周NLP論文推薦》。在這個專欄里，還是本著有三AI一貫的原則，專注于讓大家能夠系統性完成學習，所以我們推薦的文章也必定是同一主題的。

知識圖譜是NLP中非常重要的底層基礎建筑。知識圖譜之于自然語言處理，就像內功之于武俠世界中的武功。一個優質的知識圖譜網絡能夠極大的提升下游NLP任務的效果。

作者&編輯 | 小Dream哥

1 知識圖譜綜述

首先介紹兩篇中文的知識圖譜綜述，對于初學者了解知識圖譜的相關概念，發展脈絡和趨勢有很好的好處。

文章引用量：30+

推薦指數：?????

[1] 劉嶠,李楊,段宏,劉瑤,秦志光. 知識圖譜構建技術綜? 述[J]. 計算機研究與發展, 2016, 53(3): 582-600.?

[2] 黃恒琪, 于娟, 廖曉, et al. 知識圖譜研究綜述[J]. 計算機系統應用, 28(6).

2 OWL

OWL是一種本體描述語言，廣泛應用于知識圖譜的本體描述架構中，感興趣的同學可以看以下。

文章引用量：100+

推薦指數：?????

[3] Bechhofer S. OWL: Web Ontology Language[J]. Encyclopedia of Information Science & Technology Second Edition, 2004, 63(45):990–996.

3 DBpedia

DBpedia是一個從Wikipedia中抽取出結構化數據而形成的結構化數據網絡，可以認為是一個知識圖譜，該文介紹了其實現過程。

文章引用量：500+

推薦指數：?????

[4] AUER, Al S E . DBpedia: A Nucleus for a Web of Open Data.[C]// Semantic Web, International Semantic Web Conference, Asian Semantic Web Conference, Iswc + Aswc, Busan, Korea, November. DBLP, 2007.

4 實體抽取于關系抽取

實體抽取與實體關系抽取是構建知識圖譜中非常重要的一環。目前的趨勢都是采用聯合抽取的方式，這里介紹2篇比較典型的論文。

文章引用量：20+

推薦指數：?????

[5] Zheng S , Wang F , Bao H , et al. Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme[J]. 2017.

[6]?Bowen Yu,?Zhenyu Zhang,?Jianlin Su, et al. Joint Extraction of Entities and Relations Based on a Novel Decomposition Strategy.?

5 知識圖譜自動構建

長期以來，知識圖譜都非常的“貴”，原因在于其構建過程很大程度的依賴人工的介入。近來，一些知識圖譜自動化構建的方法開始提出，讓知識圖譜的“降價”變得可能。

文章引用量：10+

推薦指數：?????

[7] Bosselut A , Rashkin H , Sap M , et al. COMET: Commonsense Transformers for Automatic Knowledge Graph Construction[C]// Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. 2019.

6 如何獲取文章與交流

找到有三AI開源項目即可獲取。

https://github.com/longpeng2008/yousan.ai

文章細節眾多，閱讀交流在有三AI-NLP知識星球中進行，感興趣可以加入。

總結

以上就是NLP中知識圖譜綜述、實體抽取以及自動構建的一些比較代表性的文章。

轉載文章請后臺聯系

侵權必究

往期精選

總結

以上是生活随笔為你收集整理的【每周NLP论文推荐】 知识图谱重要论文介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。