@大师感觉{AnwariMSc23， TITLE={学习过滤器以改进社交媒体搜索}， 作者={Anwari，Ahmed Sohail}， 语言={eng}， 学校={University{\“a}t des Saarlandes}， 地址={Saarbr{\“u}cken}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期={2023}， }
%0论文 %A Anwari，Ahmed Sohail %安德鲁·耶茨 %裁判：威库姆，格哈德 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %改进社交媒体搜索的T学习过滤器： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-1C08-C %I大学ä； 萨朗德斯 %C Saarbrü； 科恩 %D 2023年 %第十一页，69页。 %V主机 %9主机
@在过程{Arnaout_WSDM23， TITLE={{UnCommonSense}正在运行！ {一} 信息的 常识知识库否定}， 作者={Arnaout、Hiba和Nguyen、Tuan-Phong和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， 国际标准图书编号={978-1-4503-9407-9}， DOI={10.1145/3539597.3573027}， 出版商={ACM}， 年份={2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={WSDM’23，第16届ACM网络搜索和数据挖掘国际会议}， 编辑={Chua，Tat-Seng and Lauw，Hady and Si，Luo and Terzi，Evimaria and Tsaparas，Panayiotis}， 页码={1120--1123}， 地址={新加坡}， }
%0会议记录 %阿诺，希巴 %A Nguyen，团结 %西蒙·拉兹涅夫斯基 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %行动中的非常识！ 常识知识库的信息否定： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-18BC-6 %10.1145/3539597.3573027兰特 %2023年4月 %B第16届ACM网络搜索和数据挖掘国际会议 %Z活动日期：2023-02-27-2023-03-03 %C新加坡 %B WSDM’23 %E Chua，Tat-Seng； 劳哈迪； 思、罗； Evimaria Terzi； Tsaparas、Panayiotis %电话1120-1123 %I ACM公司 %@ 978-1-4503-9407-9
@在线{Arnaout2305.16755， TITLE={大型语言模型能生成显著的否定语句吗？}， 作者={Arnaout，Hiba和Razniewski，Simon}， 语言={eng}， URL={ https://arxiv.org/abs/2305.16755 }, EPRINT＝{2305.16755}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， ABSTRACT={我们研究了大型语言模型（LLM）生成关于真实世界实体的显著（有趣）负面陈述的能力； 最近几年新兴的研究课题。 我们使用零和k-shot无约束探针探测LLM，并与传统的否定生成方法进行比较，即基于模式的文本提取和基于知识粒度的推断，以及众包黄金陈述。 我们测量生成的关于不同领域主题的列表的正确性<br>和显著性。 我们的<br>评估表明，与零快照变体相比，引导探针实际上确实提高了生成的<br>负片的质量。 尽管如此，使用这两种提示，LLM仍然难以理解否定词的真实性，经常会生成许多模糊的语句，或带有否定关键字但具有积极意义的语句< br>}， }
%0报表 %阿诺，希巴 %西蒙·拉兹涅夫斯基 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 %大型语言模型能生成显著的否定语句吗？： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-3D73-E %U型 https://arxiv.org/abs/2305.16755 %2023年4月 %X我们检验了大型语言模型（LLM）生成关于真实世界实体的显著（有趣）负面陈述的能力； 最近几年新兴的研究课题。 我们使用零和k-shot无约束探针探测LLM，并与传统的否定生成方法进行比较，即基于模式的文本提取和基于知识粒度的推断，以及众包黄金陈述。 我们测量生成的关于不同领域主题的列表的正确性<br>和显著性。 我们的<br>评估表明，与零快照变体相比，引导探针实际上确实提高了生成的<br>负片的质量。 尽管如此，使用这两种提示，LLM仍然难以理解否定词的真实性，经常会生成许多模糊的语句，或带有否定关键字但具有积极意义的语句< br> %计算机科学，计算与语言，cs。 CL，计算机科学，人工智能，cs。 人工智能
@ph值{Arnaout_PhD2023， TITLE={用表达性否定语句丰富开放世界知识图}， 作者={Arnaout，Hiba}， URL={urn:nbn:de:bsz:291--ds-409235}， DOI={10.22028/D291-40923}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期＝{2023}， }
%0论文 %阿诺，希巴 %Y Weikum，格哈德 %裁判：西蒙·拉兹涅夫斯基 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 马克斯·普朗克国际研究院，信息学MPI，马克斯·普兰克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %用表达性否定语句丰富开放世界知识图表： %U型 http://hdl.handle.net/21.11116/0000-000E-5B06-6 %10.22028/D291-40923兰特 %图：nbn:de:bsz:291--ds-409235 %其他：hdl:20.500.11880/36992 %D 2023年 %第十三页，第98页。 %V博士 %9博士 %U型 https://publikationen.sulb.uni-sarland.de/handle2250.11880/36992（网址：https://publikationen.sulb.uni-sarland.de/handle2250.11880/36992）
@大师演讲{BashirMSc23， TITLE={在领域特定中利用自我监督学习 {fi}c 语言模型}， 作者={巴希尔，阿卜杜拉}， 语言={eng}， 学校={University{\“a}t des Saarlandes}， 地址={Saarbr{\“u}cken}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期={2023}， }
%0论文 %阿卜杜拉·巴希尔 %伊利莎·特罗利 %帕特里克·Y·恩斯特 %裁判：威库姆，格哈德 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %T在领域中利用自我监督学习—Specifi； c语言模型： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-2D82-E %I大学ä； 萨朗德斯 %C Saarbrü； 科恩 %2023年4月 %第十一页，54页。 %V主机 %9主机
@进行中{布瓦利利_ECIR23， TITLE={排名的术语主题嵌入研究}， 作者={布瓦利利、莉拉和耶茨、安德鲁}， 语言={eng}， 国际标准图书编号={978-3-031-28237-9}， DOI={10.1007/978-3-031-28238-6_25}， PUBLISHER={Springer}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期＝{2023}， BOOKTITLE={信息检索进展（ECIR 2023）}， 编辑={Kamps、Jaap和Goeuriot、Lorraine和Crestani、Fabio和Maistro、Maria和Joho、Hideao和Davis、Brian和Gurrin、Cathal和Kruschwitz、Udo和Caputo、Annalina}， 页面＝{359-366}， SERIES={计算机科学讲稿}， 体积={13981}， 地址={爱尔兰都柏林}， }
%0会议记录 %莉拉·A Boualli %A Yates，安德鲁·耶茨 %+外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %排名术语主题嵌入研究： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-DC34-2 %2007年10月17日/978-3-031-28238-6_25 %D 2023年 %B第四十五届欧洲红外研究会议 %Z活动日期：2023-04-02-2023-04-006 %C都柏林，爱尔兰 %B信息检索进展 %雅普·E Kamps； 洛林·歌里奥特； 法比奥·克雷斯塔尼； 玛丽亚·迈斯特罗； Joho、Hideao； 布莱恩·戴维斯； Cathal Gurrin； 乌多克鲁施维茨； 安娜莉娜·卡普托 %电话359-366 %I斯普林格 %@ 978-3-031-28237-9 %计算机科学B课堂讲稿 %编号13981
@在线{陈2306.17472， TITLE={长尾实体的知识库完成}， 作者={Chen，Lihu and Razniewski，Simon and Weikum，Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2306.17472 }, EPRINT={2306.17472}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， ABSTRACT={尽管知识库（KB）的规模令人印象深刻，但诸如Wikidata等知识库仍然存在重大差距。语言模型（LM） 被提议作为填补这些空白的<br>来源。 然而，之前的工作侧重于LM覆盖范围较广的显著实体，而忽略了长尾实体的关键案例。 在本文中，我们提出了一种新的基于LM的KB补全方法，它专门针对长尾实体的事实。 <br>方法在两个阶段利用了两个不同的LM：用于候选检索和<br>候选验证和消除歧义。 为了评估我们的方法和各种<br>基线，我们引入了一个新的数据集，称为MALT，它源于Wikidata。 我们的<br>方法优于F1的所有基线，特别是召回方面取得了重大进展< br>}， }
%0报表 %A Chen、Lihu %西蒙·拉兹涅夫斯基 %格哈德·A Weikum %+外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %长尾实体的T知识库完成： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-6C7F-D %U型 https://arxiv.org/abs/2306.17472 %D 2023年 %X尽管知识库（KBs）的规模令人印象深刻，但如Wikidata，<br>仍然存在重大差距。 语言模型（LM）被提议作为填补这些空白的来源。 然而，之前的工作侧重于LM覆盖范围较广的显著实体，而忽略了长尾实体的关键案例。 在本文中，我们提出了一种基于LM的知识库完成<br>的新方法，该方法专门针对长尾实体的事实。 该方法在两个阶段利用了两个不同的LM：候选检索和候选验证与消歧。 为了评估我们的方法和各种<br>基线，我们引入了一个新的数据集，称为MALT，它源于Wikidata。 我们的<br>方法优于F1的所有基线，特别是召回方面取得了重大进展< br> %计算机科学，计算与语言，cs。 氯
@进行中{克里斯曼：SIGIR2023， TITLE={通过迭代图神经网络解决异构源上的可解释对话问题}， 作者={Christmann，Philipp and Saha Roy，Rishiraj and Weikum，Gerhard}， 语言={eng}， 国际标准图书编号={978-1-4503-9408-6}， DOI={10.1145/3539618.3591682}， 出版商={ACM}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期={2023}， BOOKTITLE={SIGIR’23，第46届国际ACM SIGIR信息检索研究与开发会议}， 编辑={陈、辛熙和杜、魏柔和黄、亨森和加藤、Makoto P.和Mothe、Josiane和Poblete、Barbara}， 页码={643--653}， 地址={台湾台北}， }
%0会议记录 %菲利普·克里斯特曼 %萨哈·罗伊，里希拉吉 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %通过迭代图神经网络在异构源上回答可解释的对话问题： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-FE28-A %10.1145/3539618.3591682兰特 %D 2023年 %B第46届国际ACM SIGIR信息检索研究与开发会议 %Z活动日期：2023-07-23-2023-07-27 %C台湾台北 %B SIGIR’23号 %陈锷、辛溪； 杜威（Duh，Wei-Jou）； 黄、亨森； 加藤，Makoto P。； 乔西安·莫特（Josiane Mothe）； 芭芭拉·波布利特 %电话643-653 %I ACM公司 %@ 978-1-4503-9408-6
@在线{Christmann2306.12235， TITLE={{CompMix}：异构问答的基准}， 作者={Christmann，Philipp and Saha Roy，Rishiraj and Weikum，Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2306.12235 }, EPRINT={2306.12235}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， 摘要={以事实为中心的问答（QA）通常需要访问多个异构信息源 ，一个文本集合，以及来自网络的表格，QA系统<br>可以增强他们的答案覆盖率和信心。 然而，现有的QA<br>基准大多是基于单一的知识来源构建的< br>这限制了这些基准测试的能力，使其无法公平评估可以访问多个信息存储库的QA系统。 为了弥补这一差距，我们<br>发布了CompMix，这是一个众包QA基准测试，自然需要<br>集成输入源的混合。 CompMix共有9410个问题，具有几个复杂的意图，如连接和时间条件。 对CompMix上的一系列QA系统的评估强调了进一步研究利用异构来源信息的必要性< br>}， }
%0报表 %菲利普·克里斯曼 %萨哈·罗伊，里希拉吉 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %T CompMix：异构问题解答的基准： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-579D-1 %U型 https://arxiv.org/abs/2306.12235 %D 2023年 %X以事实为中心的问答（QA）通常需要访问多个异构信息源。 通过联合考虑知识库（KB）、文本集和网上表格等多个来源，QA系统可以提高答案的覆盖率和可信度。 然而，现有的QA<br>基准大多是基于单一的知识来源构建的< br>这限制了这些基准测试的能力，使其无法公平评估可以访问多个信息存储库的QA系统。 为了弥合这一差距，我们发布了CompMix，这是一个众包QA基准，它自然要求集成多种输入源。 CompMix共有9410个问题，具有几个复杂的意图，如连接和时间条件。 对CompMix上一系列QA系统的评估突出了进一步研究利用异构来源信息的必要性< br> %计算机科学，信息检索，cs。 红外
@进行中{Christmann_BTW2023， TITLE={{CLOCQ}:{A}快速轻松访问知识库的工具包}， 作者={Christmann，Philipp and Saha Roy，Rishiraj and Weikum，Gerhard}， 语言={eng}， 国际标准图书编号={978-3-88579-725-8}， DOI={10.18420/BTW2023-28}， 出版商={GI}， 年份={2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={BTW 2023}， 编辑=｛K｝nig Ries，Birgitta和Scherzinger，Stefanie和Lehner，Wolfgang和Vossen，Gottfried｝， 页码={579--591}， SERIES={信息学课堂讲稿}， 体积＝{P-331}， 地址={德国德累斯顿}， }
%0会议记录 %菲利普·克里斯曼 %萨哈·罗伊，里希拉吉 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %T CLOCQ：快速轻松访问知识库的工具包： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-BF14-7 %10.18420兰特/BTW2023-28 %D 2023年 %B第20届商业、技术和网络数据库系统会议 %Z活动日期：2023-03-06-2023-03-10 %C德累斯顿，德国 %B BTW 2023年 %EKö；公司； 尼日尔，比尔吉塔； 斯蒂芬妮·谢辛格（Stefanie Scherzinger）； 沃尔夫冈·莱纳（Wolfgang Lehner）； 戈特弗里德·沃森 %第579页-591页 %I GI公司 %@ 978-3-88579-725-8 %信息学B课堂讲稿 %编号P-331
@正在进行{DongPODS23， TITLE={个人使用的个人数据：愿景还是现实？}， 作者={Dong，Xin Luna and Li，Bo and Stoyanovich，Julia and Tung，Anthony Kum Hoe and Weikum，Gerhard and Halevy，Alon and Tan，Wang-Chiew}， 语言={eng}， 国际标准图书编号={978-1-4503-9507-6}， DOI={10.1145/3555041.3589378}， 出版商={ACM}， 年份={2023}， MARGINALMARK={$\bullet$}， BOOKTITLE＝｛SIGMOD’23 Companion｝， 编辑={Das，Sudipto and Pandis，Ippokratis and Candan，K.Sel{\c}uk and Amer-Yahia，Sihem}， 页面={263--264}， ADDRESS＝{美国华盛顿州西雅图市}， }
%0会议记录 %阿东、辛路娜 %阿丽、波 %朱莉娅·斯托扬诺维奇 %A Tung，Anthony Kum Hoe %格哈德·A Weikum %阿隆·哈列维 %王雪阿·谭 %+外部组织 外部组织 外部组织 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 外部组织 %个人使用的个人数据：愿景还是现实 %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-5775-E %10.1145/3555041.3589378兰特 %D 2023年 %B ACM/SIGMOD国际数据管理会议 %Z活动日期：2023-06-18-2023-06-23 %C西雅图WA美国 %B SIGMOD’23伴侣 %E Das，Sudipto； 大熊猫，伊波克拉提斯； Candan，K.Selç； 英国； 阿米尔·叶海亚，西哈姆 %第263-264页 %I ACM公司 %@ 978-1-4503-9507-6
@进行中{DBLP:conf/btw/Ghazimatin23， TITLE={增强推荐系统的可解释性和可重写性}， 作者={Ghazimatin，Azin}， 语言={eng}， 国际标准图书编号={978-3-88579-725-8}， DOI={10.18420/BTW2023-32}， 出版商={GI}， 年份={2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={BTW 2023}， 编辑=｛K｝nig Ries，Birgitta和Scherzinger，Stefanie和Lehner，Wolfgang和Vossen，Gottfried｝， 页码={633--640}， SERIES={信息学课堂讲稿}， 体积＝{P-331}， 地址={德国德累斯顿}， }
%0会议记录 %阿赞，一个Ghazimatin %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 %T增强推荐系统的可解释性和可写性： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-DC4D-7 %10.18420兰特/BTW2023-32 %D 2023年 %B第20届商业、技术和网络数据库系统会议 %Z活动日期：2023-03-06-2023-03-10 %C德累斯顿，德国 %B BTW 2023年 %EKö；公司； 尼日尔，比尔吉塔； 斯蒂芬妮·谢辛格（Stefanie Scherzinger）； 沃尔夫冈·莱纳（Wolfgang Lehner）； 戈特弗里德·沃森 %电话633-640 %I GI公司 %@ 978-3-88579-725-8 %信息学B课堂讲稿 %N第331页
@第{Ghosh23条， TITLE={用文本中的结构化答案回答计数问题}， 作者={Ghosh、Shrestha和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， DOI={10.1016/j.websem.2022.100769}， 出版商={Elsevier}， 地址={阿姆斯特丹}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期={2023}， JOURNAL={网络语义杂志}， 体积={76}， EID＝{100769}， }
%0期刊文章 %什雷斯塔·A Ghosh %西蒙·拉兹涅夫斯基 %A Weikum，格哈德 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %用文本中的结构化答案回答计数问题： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-47CB-0 %2016年10月10日/j.websem.2022.100769 %7 2022 %D 2023年 %网络语义学杂志 %76伏 %Z序列号：100769 %我爱思唯尔 %C阿姆斯特丹
@进行中{Christmann_WSDM23， 标题={{CoQEx}： {E} 实体 计数解释}， 作者={Ghosh、Shrestha和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， ISBN＝{978-1-4503-9407-9}， DOI={10.1145/3539597.3573021}， 出版商={ACM}， 年份={2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={WSDM’23，第16届ACM网络搜索和数据挖掘国际会议}， 编辑={Chua，Tat-Seng and Lauw，Hady and Si，Luo and Terzi，Evimaria and Tsaparas，Panayiotis}， 页码={1168--1171}， 地址={新加坡}， }
%0会议记录 %什雷斯塔·A Ghosh %西蒙·拉兹涅夫斯基 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %T CoQEx：实体计数说明： %G工程 %U型 http://hdl.handle.net/21.1116/0000-000B-F41F-0 %10.1145/3539597.3573021兰特 %D 2023年 %B第16届ACM网络搜索和数据挖掘国际会议 %Z活动日期：2023-02-27-2023-03-03 %C新加坡 %B WSDM’23 %E Chua，Tat-Seng； 劳哈迪； 思、罗； Evimaria Terzi； Tsaparas、Panayiotis %电话1168-1171 %I ACM公司 %@ 978-1-4503-9407-9
@进行中{Ghosh2303.04532， TITLE={类基数比较 {F} 厄米 问题}， 作者={Ghosh、Shrestha和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， 国际标准图书编号={978-1-4503-9419-2}， DOI={10.1145/3543873.3587334}， 出版商={ACM}， 年份={2023}， MARGINALMARK={$\bullet$}， 摘要={关于类基数比较的问题很难回答，<br>也有其自身的挑战。它们需要某种推理，因为网络<br>文档和知识库是不可或缺的信息来源，很少<br>存储问题的直接答案，例如“有更多的宇航员或<br>物理学诺贝尔奖获得者吗？”？ “我们通过挖掘绝对基数的三个来源以及类的正交子群的基数来解决类基数比较的问题。 我们提出了新的技术，用于聚合部分覆盖的信号，以获得更可靠的估计，并在4005个类对的数据集上进行评估，准确率达到83.7%< br>}， BOOKTITLE={ACM 2023年网络会议（WWW 2023）}， 编辑={丁、尹和唐、杰和赛奎达、胡安和阿罗约、洛拉和卡斯蒂略、卡洛斯和胡本、杰尔特·扬}， 页码={148--151}， 地址={美国德克萨斯州奥斯汀}， }
%0会议记录 %什雷斯塔·A Ghosh %西蒙·拉兹涅夫斯基 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %作为费米问题的T类基数比较： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-BF05-8 %10.1145/3543873.3587334兰特 %D 2023年 %B ACM网络会议 %Z活动日期：2023-04-30-2023-05-04 %C奥斯汀，德克萨斯州，美国 %关于类基数比较的X个问题很难回答，<br>也有自己的挑战。 它们需要某种推理，因为网络文档和知识库是不可或缺的信息来源，很少存储对诸如“有更多的宇航员吗？还是诺贝尔物理学奖获得者？”等问题的直接答案 我们通过挖掘绝对基数的三个来源以及类的正交子群的基数来解决类基数比较的问题。 我们提出了新的技术，用于聚合部分覆盖的信号，以获得更可靠的估计，并在4005个类对的数据集上进行评估，准确率达到83.7%< br> %计算机科学，信息检索，cs。 IR、计算机科学、人工智能等。 人工智能 %B ACM 2023年网络会议 %鄂丁，YIng； 唐杰； 胡安·塞奎达（Juan Sequeda）； 罗拉·阿罗约； 卡洛斯·卡斯蒂略； Geert-Jan Houben公司 %电话148-151 %I ACM公司 %@ 978-1-4503-9419-2
@在线{Kaiser2310.13505， TITLE={具有强化重整生成的会话问答模型的鲁棒训练}， 作者={Kaiser、Magdalena和Saha Roy、Rishiraj和Weikum、Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2310.13505 }, EPRINT={2310.13505}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， ABSTRACT={知识图上的会话问答模型（ConvQA）<br>（KG） 通常根据黄金QA对的基准进行培训和测试。 这意味着培训仅限于在各自的数据集中看到的表面形式，而评估是针对一小组搁置的问题。 通过我们提出的REIGN框架，我们采取了几个步骤来纠正这种受限的学习设置。 首先，我们系统地生成训练<br>问题的重新公式，以提高模型对曲面形状变化的鲁棒性。 鉴于此类问题的不完整性，这是一个特别具有挑战性的问题。 其次，我们引导ConvQA模型朝着更高的性能发展，方法是使用深层强化学习，只输入那些有助于提高答题质量的改写。 第三，我们展示了在一个基准上训练<br>主要模型组件并将其零次应用于另一个基准的可行性< br>最后，为了严格评估训练模型的稳健性，我们使用并发布了大量不同的改写，这些改写是通过提示GPT使用基准测试集生成的（导致大小增加了20倍）。 我们的研究结果表明，ConvQA模型通过重新设计进行稳健训练，显著优于那些仅通过黄金QA对进行标准训练的模型< br>}， }
%0报表 %马格达莱娜·凯撒 %萨哈·罗伊，里希拉吉 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %会话问答模型的T稳健训练 强化重整发电： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-E9D1-0 %U型 https://arxiv.org/abs/2310.13505 %D 2023年 %知识图上对话式问答（ConvQA）的X模型<br>（KG）通常在黄金QA对的基准上进行训练和测试。 这意味着培训仅限于在各自的数据集中看到的表面形式，而评估是针对一小组搁置的问题。 通过我们提出的REIGN框架，我们采取了几个步骤来纠正这种受限的学习设置。 首先，我们系统地生成训练<br>问题的重新公式，以提高模型对曲面形状变化的鲁棒性。 鉴于此类问题的不完整性，这是一个特别具有挑战性的问题。 其次，我们引导ConvQA模型朝着更高的性能发展，方法是使用深层强化学习，只输入那些有助于提高答题质量的改写。 第三，我们证明了在一个基准上训练主要模型组件并将其应用于另一个基准的可行性< br>最后，为了严格评估训练模型的稳健性，我们使用并发布了大量不同的改写，这些改写是通过提示GPT使用基准测试集生成的（导致大小增加了20倍）。 我们的研究结果表明，通过重新制定进行稳健训练的ConvQA模型显著优于仅从黄金QA对进行标准训练的ConvQA模型< br> %计算机科学，计算与语言，cs。 CL，计算机科学，人工智能，cs。 人工智能，计算机科学，信息检索，cs。 红外
@phdthesis{Kalofolias_PhD2023， TITLE={结构化目标概念的子组发现}， AUTHOR={加里亚斯，贾尼斯}， 语言={eng}， URL={urn:nbn:de:bsz:291--ds-393710}， DOI＝{10.22028/D291-39371}， 学校={University{\“a}t des Saarlandes}， 地址={Saarbr{\“u}cken}， 年份={2023}， MARGINALMARK={$\bullet$}， }
%0论文 %贾尼斯·卡洛菲利亚斯 %Y Vreeken，吉尔斯 %裁判：威库姆，格哈德 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 马克斯·普朗克国际研究院，信息学MPI，马克斯·普兰克学会 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %结构化目标概念的T子群发现： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-FE96-D %10.22028/D291-39371兰特 %图：nbn:de:bsz:291--ds-393710 %其他：hdl:20.500.11880/35569 %I大学ä； 萨朗德斯 %C Saarbrü； 科恩 %D 2023年 %Pxi，第215页。 %V博士 %9博士 %U型 https://scidok.sulb.uni-saarland.de/handle/20.500.11880/35569
@进行中{Nguyen_WW23， TITLE={大规模提取文化常识}， 作者={Nguyen、Tuan-Phong和Razniewski、Simon和Varde、Aparna和Weikum、Gerhard}， 语言={eng}， 国际标准图书编号={978-1-4503-9416-1}， DOI={10.1145/3543507.3583535}， 出版商={ACM}， 年份＝{2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={ACM 2023年网络会议（WWW 2023）}， 编辑={丁、尹和唐、杰和赛奎达、胡安和阿罗约、洛拉和卡斯蒂略、卡洛斯和胡本、杰尔特·扬}， 页码={1907--1917}， 地址={美国德克萨斯州奥斯汀}， }
%0会议记录 %A Nguyen，团结 %西蒙·拉兹涅夫斯基 %阿帕纳·瓦尔德 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %大规模提取文化常识知识： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-9FF7-B %10.1145/3543507.3583535兰特 %2023年4月 %B ACM网络会议 %Z活动日期：2023-04-30-2023-05-04 %C奥斯汀，德克萨斯州，美国 %B ACM网站 2023年会议 %鄂丁，YIng； 唐杰； 胡安·塞奎达（Juan Sequeda）； 罗拉·阿罗约； 卡洛斯·卡斯蒂略； Geert-Jan Houben公司 %P 1907-1917年 %I ACM公司 %@ 978-1-4503-9416-1
@文章{Nguyen_TKDE_2022， TITLE={从大规模Web内容中提炼常识}， 作者={Nguyen、Tuan-Phong和Razniewski、Simon和Romero、Julien和Weikum、Gerhard}， 语言={eng}， ISSN={1558-2191}， DOI={10.1109/TKDE.2022.3206505}， 出版商={IEEE}， 地址={新泽西州皮斯卡塔韦}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期={2023}， JOURNAL={IEEE知识与数据工程汇刊}， 体积={35}， 数字={8}， 页码={8431--8447}， }
%0期刊文章 %A Nguyen，团结 %西蒙·拉兹涅夫斯基 %罗梅罗，朱利安 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %从大规模Web内容中提炼常识： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-9FEE-6 %10.1109/TKDE.2022.3206505兰特 %2022年7月 %D 2023年 %J IEEE知识与数据工程汇刊 %第35版 %编号8 %& 8431 %电话8431-8447 %I电气与电子工程师协会 %新泽西州皮斯卡塔韦市C区 %@假
@在线{Pan2308.06374， TITLE={大型语言模型和知识图：机遇与挑战}， 作者={潘、杰夫·Z、拉兹涅夫斯基、西蒙和卡罗、简·克里斯托普和辛哈尼亚、斯内哈和陈、焦扬和迪特兹、斯特凡和贾贝、哈吉拉和奥米利亚连科、贾纳和张、温和里桑德里尼、马特奥和比斯瓦斯、鲁萨和德梅洛、杰拉德和博尼法蒂、安吉拉和瓦卡吉、埃德丽拉和德拉戈尼、毛罗和格拉克斯、达米恩}， 语言={eng}， URL={ https://arxiv.org/abs/2308.06374 }, EPRINT={2308.06374}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， ABSTRACT={大型语言模型（LLM） 掀起了知识表征和<br>世界的风暴。 这个拐点标志着从显性知识表示转向了对显性知识和参数知识混合表示的重新关注。 在本立场文件中，我们将讨论社区内关于LLM（参数知识）和知识图（显性知识）的一些常见争论点，并推测新焦点带来的机遇和愿景，以及相关的研究主题和挑战< br>}， }
%0报表 %A Pan，Jeff Z。 %西蒙·拉兹涅夫斯基 %阿卡洛，简·克里斯托普 %辛哈尼亚，斯涅哈 %A Chen、Jiaoyan %A Dietze，斯特凡 %哈吉拉·阿贾贝 %A Omelianenko，贾纳 %阿章，文 %A Lissandrini，马特奥 %Russa的A Biswas %杰拉德，阿德梅洛 %安吉拉·博尼法蒂 %艾德丽拉·瓦卡吉 %A Dragoni，毛罗 %A Graux，达米恩 %+外部组织 外部组织 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 外部组织 %大型语言模型和知识图：机遇与挑战： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-A223-4 %U型 https://arxiv.org/abs/2308.06374 %D 2023年 %X大型语言模型（LLM）席卷了知识表示和<br>世界。 这个拐点标志着从显性知识表示转向了对显性知识和参数知识混合表示的重新关注。 在本立场文件中，我们将讨论社区内关于LLM（参数知识）和知识图（显性知识）的一些常见争论点，并推测新焦点带来的机遇和愿景，以及相关的研究主题和挑战< br> %K计算机科学，人工智能，cs。 人工智能，计算机科学，计算与语言，cs。 氯
@在线{Razniewski_2305.05403， TITLE={开放世界知识库中的完整性、回忆和否定：一项调查}， 作者={Razniewski、Simon和Arnaout、Hiba和Ghosh、Shrestha和Suchanek、Fabian}， 语言={eng}， URL={https://arxiv.org/abs/2305.05403}， EPRINT={2305.05403}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， 摘要={通用知识库是以知识为中心的人工智能的基石。 其中许多是从Web源中实用主义构建的，因此远远不够完整。 这对其内容的消费和管理提出了挑战。 虽然有几项调查针对的是完成不完整知识库的问题，但可以说，第一个问题是首先要知道知识库是否以及哪里不完整，以及在何种程度上不完整< 在这项调查中，我们讨论了知识库中关于完整性、回忆和否定的知识是如何表达、提取和推断的。 我们讨论了（i）部分封闭世界语义下知识表示和查询的逻辑基础； （ii）通过统计<br>模式估计该信息； （iii）从知识库和文本中提取关于召回的信息< br>（iv）识别有趣的否定语句； （v）放松了相对回忆的概念< br>这项调查针对两类受众：（1）对跟踪知识库质量感兴趣的从业者，专注于提取工作，并构建具有质量意识的下游应用程序； 以及（2）数据管理、知识库和语义web研究人员，他们希望了解开放世界假设之外的知识库的最新技术。 因此，我们的调查既介绍了基本方法，也介绍了它们的工作，并就如何针对手头的问题在不同方法之间进行选择提出了面向实践的建议< br>}， }
%0报表 %西蒙·拉兹涅夫斯基 %阿诺，希巴 %什雷斯塔·A Ghosh %费比安·苏查内克 %+外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 %开放世界知识库中的完备性、召回和否定：A 调查： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-1C00-4 %U型 https://arxiv.org/abs/2305.05403 %D 2023年 %X通用知识库（KB）是以知识为中心的人工智能的基石。其中许多知识库是从Web资源中实用主义构建的，因此还远远不够完整。 这对其内容的消费和管理提出了挑战。 虽然有几项调查针对的是完成不完整知识库的问题，但可以说，第一个问题是首先要知道知识库是否以及哪里不完整，以及在何种程度上不完整< 在这项调查中，我们讨论了知识库中关于完整性、回忆和否定的知识是如何表达、提取和推断的。 我们讨论了（i）部分封闭世界语义下知识表示和查询的逻辑基础； （ii）通过统计<br>模式对这些信息的估计； （iii）从知识库和文本中提取有关召回的信息< br>（iv）识别有趣的否定语句； （v）放松了相对回忆的概念< br>此调查针对两类受众：（1）对跟踪知识库质量感兴趣的从业者，关注提取工作，以及构建质量感知的下游应用程序； 以及（2）数据管理、知识库和语义web研究人员，他们希望了解开放世界假设之外的知识库的最新技术。 因此，我们的调查既介绍了基本方法，也介绍了它们的工作，并就如何针对手头的问题在不同方法之间进行选择提出了面向实践的建议< br> %计算机科学，人工智能，cs。 人工智能，计算机科学，计算与语言，cs。 CL，计算机科学，数据库，cs。 数据库，计算机科学，数字图书馆，cs。 DL公司
@在线{Singhania2307.03122， TITLE={从语言模型中提取多值关系}， 作者={Singhania、Sneha和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2307.03122v2 }, EPRINT={2307.03122}， EPRINTTYPE＝{arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， 摘要={通过预训练语言模型（LM）广泛使用潜在语言表征 这表明他们是结构化<br>知识的一个很有希望的来源。 然而，现有的方法只关注每个<br>主题-关系对中的一个对象，即使多个对象通常是正确的。 为了克服这一局限性，我们分析了这些表示的潜力，以生成物化的多对象关系知识。 我们将<br>问题定义为一个等级然后选择的任务。 对于候选对象的排序，我们评估了现有的提示技术，并提出了包含领域知识的新技术。 在这些选择方法中，我们发现，如果选择的对象的似然值大于学习的关系特定阈值，则F1得分为49.5%< br>我们的结果强调了在多值时隙填充任务中使用LM的困难性，并为进一步研究从潜在语言表征中提取关系知识铺平了道路< br>}， }
%0报表 %辛哈尼亚，斯内哈 %西蒙·拉兹涅夫斯基 %A Weikum，格哈德 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统，信息学MPI，马克斯·普朗克学会 %从语言模型中提取多值关系： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-938B-0 %U型 https://arxiv.org/abs/2307.03122v2 %D 2023年 %X通过预训练语言模型（LM）广泛使用潜在语言表征表明，它们是结构化知识的一个很有希望的来源。 然而，现有的方法只关注每个<br>主题-关系对中的一个对象，即使多个对象通常是正确的。 为了克服这一局限性，我们分析了这些表示的潜力，以生成物化的多对象关系知识。 我们将<br>问题定义为一个等级然后选择的任务。 对于候选对象的排序，我们评估了现有的提示技术，并提出了包含领域知识的新技术。 在这些选择方法中，我们发现，如果选择的对象的似然值大于学习的关系特定阈值，则F1得分为49.5%< br>我们的结果强调了在多值时隙填充任务中使用LM的困难性，并为进一步研究从潜在语言表征中提取关系知识铺平了道路< br> %计算机科学，计算与语言，cs。 氯
@进行中{Torbati_WW23， TITLE={基于搜索的建议： {T} 他 困难预测案例}， 作者＝{Torbati，Ghazaleh Haratinezhad和Weikum，Gerhard和Yates，Andrew}， 语言={eng}， 国际标准图书编号={978-1-4503-9419-2}， DOI={10.1145/3543873.3587374}， 出版商={ACM}， 年份＝{2023}， MARGINALMARK={$\bullet$}， 摘要={关于类基数比较的问题很难回答，而且也有其自身的挑战。它们需要某种推理，因为web文档和知识库是不可或缺的信息来源，很少存储问题的直接答案，例如“有更多的宇航员吗？”或“诺贝尔物理学奖获得者吗？”？ “我们通过挖掘绝对基数的三个来源以及类的正交子群的基数来解决类基数比较的问题。 我们提出了新的技术，用于聚合部分覆盖的信号，以获得更可靠的估计，并在4005个类对的数据集上进行评估，准确率达到83.7%< br>}， BOOKTITLE={ACM 2023年网络会议（WWW 2023）}， 编辑={丁、英和唐、杰和赛奎达、胡安和阿罗约、洛拉和卡斯蒂略、卡洛斯和胡本、杰尔特·扬}， 页码={318--321}， 地址={美国德克萨斯州奥斯汀}， }
%0会议记录 %A Torbati，Ghazaleh Haratinezhad %格哈德·A Weikum %A Yates，安德鲁·耶茨 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %基于搜索的推荐：困难预测案例： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-DC45-F %10.1145/3543873.3587374兰特 %D 2023年 %B ACM网络会议 %Z活动日期：2023-04-30-2023-05-04 %C奥斯汀，德克萨斯州，美国 %关于类基数比较的X个问题很难回答，<br>也有自己的挑战。 它们需要某种推理，因为网络<br>文档和知识库是不可或缺的信息来源，很少<br>存储问题的直接答案，例如“有更多的宇航员或<br>物理学诺贝尔奖获得者吗？” 我们通过挖掘绝对基数的三个来源以及类的正交子群的基数来解决类基数比较的问题。 我们提出了新的技术，用于聚合部分覆盖的信号，以获得更可靠的估计，并在4005个类对的数据集上进行评估，准确率达到83.7%< br> %计算机科学，信息检索，cs。 IR，计算机科学，人工智能，cs。 人工智能 %B ACM 2023年网络会议 %阿丁、英； 唐杰； 胡安·塞奎达（Juan Sequeda）； 罗拉·阿罗约； 卡洛斯·卡斯蒂略； Geert-Jan Houben公司 %电话318-321 %I ACM公司 %@ 978-1-4503-9419-2
@过程中{Torbati_PERSPECTIVES23， TITLE={在基于文本的推荐系统中揭开具有挑战性的案例}， 作者={Torbati、Ghazaleh Haratinezhad和Tigunova、Anna和Weikum、Gerhard}， 语言={eng}， ISSN={1613-0073}， URL={https://ceur-ws.org/Vol-3476/paper5.pdf；urn:nbn:de:0074-3476-4}， 出版商={CEUR-WS.org}， 年份={2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={关于2023年推荐系统评估的观点}， 编辑={Said，Alain and Zangerle，Eva and Bauer，Christine}， SERIES={CEUR研讨会论文集}， 体积={3476}， 地址={新加坡，新加坡}， }
%0会议记录 %A Torbati，Ghazaleh Haratinezhad %安娜·蒂古诺娃 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %在基于文本的推荐系统中揭开具有挑战性的案例： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-AEBA-E %U型 https://ceur-ws.org/Vol-3476/paper5.pdf %2023年4月 %B第三次研讨会关于推荐系统评估的观点 %Z活动日期：2023-09-19-2023-09-19 %C新加坡，新加坡 %B 2023年推荐系统评估展望 %E赛义德，阿兰； 伊娃·赞格尔； 克里斯汀·鲍尔 %I CEUR-WS.org公司 %B CEUR研讨会记录 %编号3476 %@假
@在线{Torbati2311.01314， TITLE={来自评论文本的简明用户配置文件的建议}， 作者={Torbati、Ghazaleh Haratinezhad和Tigunova、Anna和Yates、Andrew和Weikum、Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2311.01314 }, EPRINT＝{2311.01314}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， 摘要={推荐系统对流行项目和用户来说最为成功，具有丰富的互动（喜欢、评分等） 这项工作解决了支持交互非常稀疏但发布信息丰富的评论文本的用户这一困难且未得到充分研究的案例。 我们的实验研究针对两个具有这些特征的图书社区。 我们设计了一个基于Transformer-based representation learning的框架，涵盖用户-项目交互、项目内容和用户提供的评论。 为了克服交互稀疏性，我们设计了一些技术来选择信息最丰富的线索来构建简明的用户配置文件。 利用Amazon和Goodreads的数据集进行的综合实验表明，明智地选择文本片段可以获得最佳的性能，即使与ChatGPT生成的用户配置文件相比也是如此< br>}， }
%0报表 %A Torbati，Ghazaleh Haratinezhad %安娜·蒂古诺娃 %A Yates，安德鲁·耶茨 %A Weikum，格哈德 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 数据库和信息系统，信息学MPI，马克斯·普朗克学会 %审查文本中简明用户配置文件的T建议： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-E9AE-9 %U型 https://arxiv.org/abs/2311.01314 %D 2023年 %X Recommender系统最适合流行商品和用户，具有<br>丰富的互动（喜欢、评分等）。 这项工作解决了支持交互非常稀疏但发布信息丰富的评论文本的用户这一困难且未得到充分研究的案例。 我们的实验研究针对两个具有这些特征的图书社区。 我们设计了一个基于Transformer-based representation learning的框架，涵盖用户-项目交互、项目内容和用户提供的评论。 为了克服交互稀疏性，我们设计了一些技术来选择信息最丰富的线索来构建简明的用户配置文件。 利用Amazon和Goodreads的数据集进行的综合实验表明，明智地选择文本片段可以获得最佳的性能，即使与ChatGPT生成的用户配置文件相比也是如此< br> %计算机科学，信息检索，cs。 红外
@第{Varde23条， TITLE={促进{COVID}识别 {十} -射线 借助计算机视觉模型和转移学习}， 作者={Varde，Aparna and Karthikeyan，Divydharshini and Wang，Weitian}， 语言={eng}， ISSN＝{1380-7501}， DOI={10.1007/s11042-023-15744-9}， PUBLISHER={Springer Nature}， 地址={纽约州纽约市}， 年份={2023}， MARGINALMARK={$\bullet$}， JOURNAL={多媒体工具和应用}， }
%0期刊文章 %阿帕纳·瓦尔德 %卡西基人，迪维德哈什尼 %A Wang，魏田 %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 外部组织 %利用计算机视觉模型和转移学习促进X射线对冠状病毒的识别： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-578B-5 %兰特10.1007/s11042-023-15744-9 %7 2023 %2023年4月 %J多媒体工具和应用 %I Springer自然 %C纽约，纽约 %@假
@文章{Veseli23110.14771， TITLE={评估{GPT}}的知识库完成潜力， 作者={Veseli、Bletta和Razniewski、Simon和Kalo、Jan-Chritoph和Weikum、Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2310.14771 }, EPRINT={2310.14771}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， ABSTRACT={结构化知识库（KB）是搜索引擎和其他应用程序的资产，但不可避免地是不完整的。语言模型（LM）已被提出用于无监督知识库完成（KBC） 然而，他们大规模、高精度地做到这一点的能力仍然是一个悬而未决的问题。 以前的实验研究大多不够，因为它们只对流行的受试者进行评估，或者从知识库中抽取已有的事实样本。 在这项工作中，我们对GPT完成最大公共知识库（Wikidata）的潜力进行了仔细评估。 我们发现，尽管GPT-3、ChatGPT和GPT-4等模型的规模和功能都很大，但它们在这项任务上并没有取得完全令人信服的结果< br>尽管如此，与使用<br>较小LM的早期方法相比，它们提供了坚实的改进。 特别是，我们表明，通过适当的阈值处理，GPT-3<br>能够以90%的精度将Wikidata扩展2700万个事实< br>}， JOURNAL={EMNLP 2023}的发现， }
%0期刊文章 %A Veseli，布莱塔 %西蒙·拉兹涅夫斯基 %阿卡洛，简·克里斯托普 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %评估GPT的知识库完成潜力： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-E9BA-B %U型 https://arxiv.org/abs/2310.14771 %7 2023 %D 2023年 %X结构化知识库（KB）是搜索引擎和其他<br>应用程序的资产，但不可避免地是不完整的。 语言模型（LM）已被提出用于无监督知识库完成（KBC），但其大规模、高精度地完成这项工作的能力仍然是一个悬而未决的问题。 以前的实验研究大多不够，因为它们只对流行的受试者进行评估，或者从知识库中抽取已有的事实样本。 在这项工作中，我们对GPT完成最大公共知识库（Wikidata）的潜力进行了仔细评估。 我们发现，尽管GPT-3、ChatGPT和GPT-4等模型的规模和功能都很大，但它们在这项任务上并没有取得完全令人信服的结果< br>尽管如此，与使用<br>较小LM的早期方法相比，它们提供了坚实的改进。 特别是，我们表明，通过适当的阈值设置，GPT-3能够以90%的精度将Wikidata扩展27M个事实< br> %计算机科学，计算与语言，cs。 CL，计算机科学，人工智能，cs。 人工智能 %EMNLP 2023的发现
@进行中{Veseli_ESWC23， TITLE={评估语言模型以完成知识库}， 作者={Veseli、Bletta和Singhania、Sneha和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， 国际标准图书编号={978-3-031-33454-2}， DOI={10.1007/978-3-031-33455-9_14}， PUBLISHER={Springer}， 年份={2023}， MARGINALMARK={$\bullet$}， 日期={2023}， BOOKTITLE={语义网（ESWC 2023）}， 编辑={Pesquita、Catia和Jimenez-Ruiz、Ernesto和McCusker、Jamie和Faria、Daniel和Dimou、Anastasia和Troncy、Raphael和Hertling、Sven}， PAGES＝{227-243}， SERIES={计算机科学讲稿}， 体积={13870}， ADDRESS＝{希腊赫索尼索斯}， }
%0会议记录 %布雷塔·A Veseli %辛哈尼亚，斯内哈 %西蒙·拉兹涅夫斯基 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %评估语言模型以完成知识库： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-DC39-D %2007年10月17日/978-3-031-33455-9_14 %D 2023年 %B第20届扩展语义Web会议 %Z活动日期：2023-05-28-2023-06-01 %C Hersonissos，希腊 %B语义网 %E Pesquita，Catia； 埃内斯托·吉梅内兹·鲁伊斯（Ernesto Jimenez-Ruiz）； 杰米·麦库斯克（Jamie McCusker）； 丹尼尔·法里亚（Daniel Faria）； 阿纳斯塔西亚·迪莫； 拉斐尔·特朗西； 斯文·赫特林 %电话227-243 %I斯普林格 %@ 978-3-031-33454-2 %计算机科学B课堂讲稿 %编号13870
@联机{， TITLE={评估语言模型以完成知识库}， 作者={Veseli、Bletta和Singhania、Sneha和Razniewski、Simon和Weikum、Gerhard}， 语言={eng}， URL={ https://arxiv.org/abs/2303.11082 }, EPRINT={2303.11082}， EPRINTTYPE={arXiv}， 年份={2023}， MARGINALMARK={$\bullet$}， 摘要={结构化知识库（KBs）是许多智能应用程序的基础，但众所周知，它是不完整的。最近提出了用于无监督知识库完成（KBC）的语言模型（LMs） 然而，尽管最初的结果令人鼓舞，但关于其适用性的问题仍然悬而未决。 现有的评估往往不足，因为它们只评估热门主题，或从知识库中抽取现有事实。 在这项工作中，<br>我们引入了一个新的、更具挑战性的基准数据集，以及一种为LM的KBC潜力的现实评估量身定制的方法。 对于自动化<br>评估，我们策划了一个名为WD-KNOWN的数据集，该数据集提供了一个无偏见的<br>维基数据随机样本，包含超过390万个事实。 第二步，<br>我们对知识库中尚未包含的预测进行人工评估，因为只有这样才能真正了解现有知识库的附加值。 我们的主要发现是，先前基准的数据集概念中的偏差导致对KBC LM性能的系统性高估。 然而，我们的研究结果也<br>揭示了LMs的强大区域。 例如，我们可以在关系nativeLanguage上显著完成Wikidata，精度为82%，因子为~21<br>（从260k到5.8M），usedLanguage为~2.1（从2.1M到6.6M），精度为82%，citizenOf为~0.3（从4.2M到5.3M），精确度为90%。 此外，我们发现LMs具有惊人的强泛化能力：即使在LM训练中没有直接观察到大多数事实的关系上，预测质量也可以很高< br>}， }
%0报表 %布雷塔·A Veseli %辛哈尼亚，斯内哈 %西蒙·拉兹涅夫斯基 %格哈德·A Weikum %+数据库和信息系统、信息学MPI、马克斯·普朗克学会 数据库和信息系统、信息学MPI、马克斯·普朗克学会 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %评估语言模型以完成知识库： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000C-D3CD-F %U型 https://arxiv.org/abs/2303.11082 %D 2023年 %X结构化知识库（KB）是许多智能<br>应用程序的基础，但众所周知，它是不完整的。 语言模型（LM）最近被提出用于无监督知识库完成（KBC），然而，尽管最初的结果令人鼓舞，但关于其适用性的问题仍然悬而未决。 现有的评估往往不足，因为它们只评估热门主题，或从知识库中抽取现有事实。 在这项工作中，<br>我们引入了一个新的、更具挑战性的基准数据集，以及一种为LM的KBC潜力的现实评估量身定制的方法。 为了进行自动评估，我们整理了一个名为WD-KNOWN的数据集，该数据集提供了一个无偏见的Wikidata随机样本，包含390多万个事实。 在第二步中，<br>我们对尚未在知识库中的预测进行人工评估，因为<br>只有这样才能真正了解现有知识库的附加值。 我们的主要发现是，先前基准的数据集概念中的偏差导致对KBC LM性能的系统性高估。 然而，我们的结果也揭示了LMs的强区。 例如，我们可以在关系nativeLanguage上显著完成Wikidata，精度为82%，因子为~21<br>（从260k到5.8M），usedLanguage为~2.1（从2.1M到6.6M），精度为82%，citizenOf为~0.3（从4.2M到5.3M），精确度为90%。 此外，我们发现LMs具有惊人的强泛化能力：即使在LM训练中没有直接观察到大多数事实的关系上，预测质量也可以很高< br> %计算机科学，计算与语言，cs。 CL，计算机科学，人工智能，cs。 人工智能 %U型 https://github.com/bveseli/LMsForKBC（比利时联合银行）
@进行中{Zhang_HILDA23， TITLE={开放数据近似查询答案}， 作者={Zhang，Mengqi和Mundra，Pranay和Chikweze，Chukwubuikem和Nargesian，Fatemeh和Weikum，Gerhard}， 语言={eng}， 国际标准图书编号={979-8-4007-0216-7}， DOI={10.1145/3597465.3605227}， 出版商={ACM}， 年份＝{2023}， MARGINALMARK={$\bullet$}， BOOKTITLE={HILDA 2023，人在回路数据分析研讨会}， 页码={1--3}， EID={11}， 地址={美国华盛顿州西雅图}， }
%0会议记录 %A Zhang、Mengqi %A Mundra，普拉奈 %Chukwubuikem奇奎兹 %Nargesian，命运女神 %格哈德·A Weikum %+外部组织 外部组织 外部组织 外部组织 数据库和信息系统、信息学MPI、马克斯·普朗克学会 %T开放数据近似查询答案： %G工程 %U型 http://hdl.handle.net/21.11116/0000-000D-941D-C %10.1145/3597465.3605227兰特 %D 2023年 %B人在回路数据分析研讨会 %Z活动日期：2023-06-18-2023-06-18 %C西雅图，华盛顿州，美国 %B HILDA 2023年 %第1-3页 %Z序列号：11 %I ACM公司 %@979-8-4007-0216-7
