【SIGIR2022教程】深度知識(shí)圖譜表示學(xué)習(xí): 補(bǔ)全、對(duì)齊和問(wèn)答

一個(gè)知識(shí)圖譜(KG)有節(jié)點(diǎn)和邊表示實(shí)體和關(guān)系。知識(shí)圖譜是搜索和問(wèn)題回答(QA)的核心，然而關(guān)于知識(shí)圖譜的深度/神經(jīng)表征以及深度QA的研究，已經(jīng)在很大程度上轉(zhuǎn)移到AI、ML和NLP社區(qū)。本教程的目標(biāo)是為IR研究人員提供關(guān)于AI、ML和NLP社區(qū)的神經(jīng)KG表示和推理的最佳實(shí)踐的全面更新，然后探索IR社區(qū)的KG表示研究如何更好地受搜索、通道檢索和QA需求的驅(qū)動(dòng)。在本教程中，我們將研究最廣泛使用的公共知識(shí)圖譜，它們之間關(guān)系、類型和實(shí)體的重要屬性，知識(shí)圖譜元素的最佳實(shí)踐深度表示，以及它們?nèi)绾沃С只虿恢С诌@些屬性，知識(shí)圖譜完成和推理的損失公式和學(xué)習(xí)方法，時(shí)間知識(shí)圖譜中的時(shí)間表示，跨多個(gè)知識(shí)圖譜(可能是不同語(yǔ)言)的一致性，以及深度知識(shí)圖譜在QA應(yīng)用中的使用和好處。

https://sites.google.com/view/knowledge-graph-tutorial/home

• 當(dāng)今使用最廣泛的知識(shí)圖譜。
• KG關(guān)系、類型和實(shí)體的重要屬性。
• KG元素深度表示的最佳實(shí)踐。
• 最成功的KG補(bǔ)全和推斷技術(shù)。
• 早期在KG中表示類型和時(shí)間的工作。
• 最新的方法來(lái)對(duì)齊和連接多個(gè)KGs。
• 深度KG表示在QA應(yīng)用中的使用和好處。