Costruzione di grafi conoscenza
Un nuovo approccio per la costruzione di grafi conoscenza da documenti eterogenei, utilizzando un'ontologia formale e un modello linguistico avanzato. Il sistema è in grado di estrarre entità e relazioni in modo consistente e preciso.
Il sistema di estrazione di entità e relazioni presentato in questo studio utilizza un'ontologia formale per guidare il processo di estrazione. Ciò consente di ottenere risultati più precisi e consistenti, riducendo i problemi di duplicazione e conflatione di entità. Il sistema è composto da due passaggi di estrazione, utilizzando un modello linguistico avanzato tunato sull'ontologia. I risultati sono poi validati e integrati in un grafo conoscenza. Il sistema è in grado di gestire documenti in diversi formati, tra cui PDF, spreadsheet, Office e immagini.
Leggi anche
Architettura Cognitiva Modulare
Una nuova ricerca pubblicata su arXiv rivela che i Large Language Models sviluppano un'architettura cognitiva modulare simile a quella del cervello umano. Questo studio esplora come tali modelli, creati attraverso processi di ottimizzazione diversi, possano esibire una specializzazione funzionale in vari domini cognitivi.
Meta lancia Muse, l'agente AI personale che chiede accesso a dati sensibili
Meta introduce Muse, un agente AI personale che vuole integrare email, calendario, pagamenti e dati sanitari, ponendo una sfida alla fiducia dei consumatori.
Google Cloud accelera l'AI enterprise con Accenture
Google Cloud amplia la sua strategia AI per le aziende collaborando con Accenture e affidandosi a ingegneri specializzati per facilitare l'adozione.
Ricevi Morning Tech & AI
Ogni mattina alle 7:30, la notizia AI del giorno nella tua casella.
Iscriviti