本期将分享近期全球知识图谱相关
行业动态、会议课程、论文推荐
6月16日消息，好未来的智慧教育开放平台正式对外免费开放“小学数学知识点标签体系”。
该标签体系将小学数学知识点分为数学基本概念、数和代数、空间和几何、数据和概率四大类，每类则分别包含多个具体的子类别，如数的大小、数的应用、数的比较等，实现了对小学数学知识点全面、准确的覆盖和分类。
基于知识图谱技术，该体系可以帮助学生和教师掌握数学的整体框架和结构，提高数学学习的整体性和深度。
另外，为了帮助机构用户和教育从业者更好使用，智慧教育开放平台还对外开放了多种接口和SDK（软件接口）等开发工具，用户可以直接进行二次开发、集成应用。
近日，区块链去中心化身份平台Intuition宣布获得400万美元的种子轮融资，由Superscript领投，Shima Capital、Avon Ventures、WW Ventures、Matrixport Ventures、Polygon Ventures和ConsenSys等多家机构和个人投资者参投。
据悉，Intuition计划于今年晚些时候公开发布其协议和首批应用。Intuition致力于提供去中心化的基础架构、开发人员工具和应用程序，支持创建开放、灵活的知识图谱，从而提高社会知识的质量和可用性。此前，由DARMA Capital创始人Andrew Keys和以太坊联合创始人兼ConsenSys创始人Joseph Lubin共同领导了Intuition的筹款活动。
本周推荐的是近期发布于axriv上的文章：LLMs for Knowledge Graph Construction and Reasoning: Recent Capabilities and Future Opportunities，对大语言模型进行知识图谱构建和推理的能力进行评测分析，并提出了未来的新机遇。作者来自浙江大学、东海实验室和新加坡国立大学。
这篇工作主要包含以下内容：在8个数据集（包含实体识别、关系抽取、事件抽取、链接预测、问答等几种知识图谱构建和推理任务）上评估3个大语言模型（text-davinci-003、ChatGPT、GPT-4）在零样本和小样本设置下的能力；设置了一个虚拟知识抽取任务分析大模型的泛化能力；提出自动知识图谱构建和推理的AutoKG概念，以激发未来的工作。
文章发现，大型语言模型（LLMs）在推理能力上的表现通常优于它们的构建能力。文章的实验结果表明，在实体识别、关系抽取等知识图谱构建任务中，大模型的zero-shot或one-shot抽取都与当前最先进的精调模型有一定差距；但在推理和问答任务中，大模型在多个数据集上都达到了最先进的表现。通过虚拟知识抽取任务，文章还证明大模型确实具有强大的上下文学习能力，而非仅仅依靠预训练过程的庞大知识库。文章提出的利用多个代理器自动完成知识图谱构建和推理的方法，也为大模型的未来应用提供了新的思路。
文章的代码和数据已经开源，感兴趣的读者可以关注：https://github.com/zjunlp/AutoKG
更多链接
内容：胡喆媛、代雪佩、薛冰聪、王图图
诚邀您加入我们的gStore社区，我们将在群内解决使用问题，分享最新成果~
请在微信公众号图谱学苑发送“社区”入群~或扫码入群
欢迎关注北京大学王选计算机研究所数据管理实验室微信公众号“图谱学苑“
实验室官网：https://mod.wict.pku.edu.cn/
微信社区群：请回复“社区”获取
gStore官网：http://www.gstore.cn/
GitHub：https://github.com/pkumod/gStore
Gitee：https://gitee.com/PKUMOD/gStore
