Press "Enter" to skip to content

清华大学李涓子教授 : THUKC世界知识图谱——XLORE

Last updated on 2019年1月30日

2019年1月21日,清华大学人工智能研究院在清华大学FIT楼举行了知识智能研究中心成立仪式暨知识计算平台发布会,清华大学副校长、清华大学人工智能研究院管委会主任尤政院士,人工智能研究院院长张钹院士、常务副院长孙茂松教授出席了仪式并致辞。

 

在此次发布会上,我国知识计算领域专家李涓子做了学术报告,介绍XLORE多语言知识图谱。

 

 

文末附PPT及演讲视频

 

XLORE简介

 

XLORE是融合中英文维基、法语维基和百度百科,对百科知识进行结构化和跨语言链接构建的多语言知识图谱,是中英文知识规模较平衡的大规模多语言知识图谱。知识图谱以结构化的形式描述客观世界中概念、实例、属性以及它们之间丰富的语义关系。XLORE中的分类体系基于群体智能建立的维基百科的Category系统。XLORE包含16,284,901个的实例,2,466,956个概念,446,236个属性以及丰富的语义关系。

 

Xlore三大特点:

 

(1)聚力了两大中文百科中英文平衡的图谱。

 

(2)具有更丰富的语义关系,基于isA关系验证。

 

(3)拥有多种查询接口,助力第三方使用。

 

发展情况:

 

 

团队介绍:

 

团队成员主要包括:

 

• 李涓子

 

清华大学知识工程实验室负责人,清华大学计算机系教授,中国中文信息学会语言与知识计算专委会主任、中国计算机学会术语委员会执行委员。

 

知识图谱,新闻与社会网络挖掘

 

• 张鹏:系统设计

 

• 侯磊:新闻挖掘,知识图谱

 

• 金海龙:表示学习,实体分类

 

• 吕鑫:表示学习,知识推理

 

应用案例:

 

实体链接系统    Entity Linking System

 

XLink是基于跨语言知识库XLORE的实体链接系统,用户输入一篇文本文档(如新闻、博客等),XLink识别出文档中的实体并链接到XLORE相对应的实体上。实体链接将文本信息和知识库桥接起来,为文本理解提供了外部知识,同时,帮助读者理解有歧义的、生僻的实体,提高文本理解能力。

 

新闻事件分析挖掘和搜索系统实体链接系统   NewsMiner

 

使用最前沿的自然语言处理、机器学习和深度学习方法从语义层面分析新闻数据,同时处理中英文新闻数据,并实现语义级跨语言内容聚合对齐。全新的事件-话题-实体新闻表示模型摆脱传统新闻平面式展示和阅读体验。千万级百科知识库(XLORE)为基础读者提供更为丰富的背景知识。

 

应用服务:

 

XLORE API

 

XLORE API是为xlore.org设计开发的在线跨语言知识图谱数据服务API。

 

包括词条检索、关键字检索、概念检索、实例检索、先关机构人物检索、实体关系检测。

 

词条检索

 

使用URI作为参数从XLORE中获取URI指定的词条信息:包括名称(Label),上级概念(Super Class), 相关概念(Related Class),Infobox(Property),摘要(Abstract),类型(Type)。

 

关键字检索

 

使用关键词作为条件模糊查询XLORE,获取可能的概念(Class)或者实例(Instance)。

 

概念检索

 

使用关键词为条件查询XLORE中的概念(Class),并获得概念的简要信息,包括概念的名称(Label),URI 上级概念(Super Class)、下级概念(Sub Class)和实例(Instance)。当结果多余10个时,仅返回前10条。

 

实例检索

 

使用关键词为条件查询XLORE中的实例(Instance),并获得实例的简要信息:包括实例的名称(Label), URI和类型(Type),相关概念(Class)和相关实例(Instance)。当结果多于10个时,仅返回前10条。

 

相关机构人物检索

 

使用URI为条件查询XLORE中的概念(Class)、实例(Instance)的相关机构和人物实例,并获得实例的简要信息:包括实例的名称(Label), URI和类型。当结果多于10个时,仅返回前10条。

 

实体关系预测

 

近一年API调用174余万次,覆盖了58个国家或地区,国内129个城市。

 

XLINK

 

XLink是基于跨语言知识库XLORE的实体链接系统。

 

XLink能够识别出用户输入的文本文档(如新闻、博客等)中的实体,并链接到XLORE相对应的实体(概念、实例)上。

 

XLink将文本信息和知识图谱桥接起来,为文本理解提供了外部知识。同时,XLink帮助读者理解有歧义的、生僻的实体,提高文本理解能力。

 

相关比较

 

与国际着名知识图谱数据比较:

 

DBpedia—最早的维基类知识图谱

 

Freebase—Google知识图谱的核心

 

YAGO和BabelNet—2017年IJCAI卓越论文奖

 

 

PPT具体内容:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注