亚戈

YAGO:语义知识的核心。我们提出了YAGO,一个轻量级和可扩展的本体,具有高覆盖率和高质量。YAGO建立在实体和关系上,目前包含100万多个实体和500万个事实。这包括IS-A层次结构和实体之间的非分类关系(如HasOnMeple)。这些事实已经从维基百科中自动地提取出来,并与WordNet相结合,使用了本文所描述的基于规则和启发式方法的精心设计的组合。由此产生的知识基础是超越WordNet的一个重要步骤:在质量上通过添加关于个人、组织、产品等个人的知识及其语义关系,并且通过增加事实数量来增加数量。我们对事实正确性的实证评估显示了大约95%的准确度。YAGO基于逻辑干净的模型,它是可判定的、可扩展的,并且与RDFS兼容。最后,我们展示了如何YAGO可以进一步扩展的最先进的信息提取技术。


ZBMaCT中的参考文献(42篇文章中引用)

显示结果1至20的42。
按年份排序(引文
  1. Tekk,安德烈亚斯;魏登巴赫,克里斯托夫:SPAS-AR:一种基于近似细化的一阶定理证明器:一元浅线性片段(2020)
  2. Fang,红:PSPARQL:概率RDF数据的查询语言(2019)
  3. Furbah,Ulrich;Kr SuMeR,特蕾莎;Son,克劳蒂亚:名字不仅仅是声音和烟雾:公理选择的词嵌入(2019)
  4. JaaaM.F.D.TrdIDADE,Konstantinos Karanasos,Carlo Curino,Samuel Madden,鞠连舜:Kaskade:高效图分析的图形视图(2019)阿西夫
  5. Rodothyy,Christos T.;米迦勒,LoZoS:网络明星:一个可视的基于Web的故事理解系统IDE(2019)
  6. Shih Yuan Yu,Sujit Rokka Chhetri,Arquimedes Canedo,Palas-Goal,穆罕默德阿卜杜拉A.法鲁克:Pykg2VEC:Python知识图嵌入库(2019)阿西夫
  7. TAMMET,TANEL:GKC:一个大型知识库的推理系统(2019)
  8. 严,Jihong;徐,陈;李,Na;高,明;高,奥英:知识图实体归纳的优化模型参数(2019)
  9. 西里伯托、Carlo、马克、Ialongo、Alessandro Davide、庞蒂尔、马西米利亚诺、罗切托、安德列、塞维尼、Simone、沃斯尼格、伦纳德:量子机器学习:一个古典的视角(2018)
  10. 马,Zongmin;李,关峰;闫,李:RDF(2018)中的模糊数据建模和代数运算
  11. 王,Chenguang;宋,Yangqiu;李,颢然;张,明;韩,Jiawei:基于异构信息网络的文本相似度无监督元路径选择(2018)
  12. Zaniolo,Carlo;高,施;阿佐里,Maurizio;陈,Muhao;顾,贾琦:历史知识库的用户友好时态查询(2018)
  13. Tenorth,莫里兹;BeETZ,米迦勒:T.Script知识框架中机器人知识的表示(2017)
  14. Ceylan,Smail·LKAN;Lukasiewicz,托马斯;P.N.AloZa,拉斐尔:概率DATALOG(^ \PM)的复杂性结果(2016)
  15. Ciobanu,加布里埃尔;Horne,罗斯;SasOne,Vladimiro:RDF模式的描述型基础(2016)
  16. 弗拉蒂,Tiziano;凡内拉,Daniele;帕西尼,Tommaso;Navigi,罗伯托:MuliWiBi:多语维基百科BITAXOXY项目(2016)
  17. 袁,叶;王,Guoren;陈,雷;宁,博:大不确定图上的有效模式匹配(2016)
  18. Alagi,G·Bor;魏登巴赫,克里斯托夫:NRCL——伯纳斯-舒芬克尔片段的模型构建方法(2015)
  19. Kacfah Emani,Cheikh;Cullot,纳丁;尼科尔,克里斯多夫:可理解的大数据:一项调查(2015)伊波尔特
  20. 梅茨勒,Saskia;Miettinen,Pauli:聚类布尔张量(2015)