AutoSchemaKG团队 投稿 量子位 | 公众号 QbitAI 另外，通过处理超过5000万份文档，AutoSchemaKG团队还构建了 ATLAS （自动三元组链接与模式归纳）：一个 包含超过9亿节点和59亿边的知识图谱系列。 论文第一作者白佳欣是香港科技大学计算机科学与工程系的博士后研究员，受香港研究资助局新晋学者计划(JRFS)奖 项资助。 白博士的研究重点在于图神经数据库系统构建，大规模知识图谱构建和推理，检索增强生成等。他在ACL、 NeurIPS、KDD等顶级会议发表了多篇论文，工作涵盖电子商务意图建模、复杂查询回答和隐私保护神经图数据库等 前沿领域。 创新：驱动模式归纳的概念化过程 知识图谱（KGs）已经可以很好地将海量的复杂信息整理成结构化的、机器可读的知识，但目前的构建方法仍需要由 领域专家预先创建模式，这限制了KGs的可扩展性、适应性和领域覆盖范围。 为此，香港科技大学KnowComp实验室联合香港华为理论部提出了 AutoSchemaKG ：一个无需预定义模式、用于 完全自主知识图谱构建的框架。 该系统利用大型语言模型，可以直接从文本中同时提取知识三元组并归纳出全面的模式，对实体和 ...

点击 最 下方 " 推荐"、"赞 "及" 分享 "，"关注"材料汇 添加 小编微信 ，遇见 志同道合 的你 2、在正确的路径上持续积累 正文 第一部分 关于研究与投资的心得体会分享 我先就自己从业这么多年做研究和投资的一些体会，和大家做一个分享。 一、时间是每个人唯一稀缺的资产，要学会研究最重要的问题 做研究最为重要的是时间管理，我们每一个人最稀缺的就是时间。研究工作面对的是一个非常复杂 的、非结构化的海量信息。时间的稀缺性与信息的无限性就会派生出两个问题： 1、要研究最重要的问题 我一直说，我们研究的应该是大问题，要把握的是产业与企业的大方向，并在判断与决策上获得大 概率上的正确。概括起来就是，大问题、大方向、大概率。 无论是资深的分析师还是学校刚毕业的初学者，都一样要去学习站在产业的最高处、最前沿，以企 业老板的角度去思考大问题，即使在一些细枝末叶的问题上做得多么完美，其价值也是有限的。大 问题上的模糊准确远远比小问题上的完美精确更为重要。 解决效率问题的第一步是要树立科学合理的正确的研究方法，然后通过不断的学习，去持续优化这 个思维框架与方法体系。要在正确的路径上持续地积累，守正出奇。不能在丛林里面的羊 ...