van Krieken, E., Thanapalasingam, T., Tomczak, J. M., van Harmelen, F., & ten Teije, A. (2023). A-NeSI: A Scalable Approximate Method for Probabilistic Neurosymbolic Inference. In 37th Conference on Neural Information Processing Systems (NeurIPS 2023) (Advances in Neural Information Processing Systems; Vol. 36). NIPS Foundation. https://openreview.net/forum?id=chlTA9Cegc
Alivanistos, D., Báez Santamaría, S., Cochez, M., Kalo, J.-C., van Krieken, E., & Thanapalasingam, T. (2022). Prompting as Probing: Using Language Models for Knowledge Base Construction. In S. Singhania, T.-P. Nguyen, & S. Razniewski (Eds.), Proceedings of the Semantic Web Challenge on Knowledge Base Construction from Pre-trained Language Models 2022: co-located with the 21st International Semantic Web Conference (ISWC2022) : virtual event, Hanghzou, China, October 2022 (pp. 11-34). (CEUR Workshop Proceedings; Vol. 3274). CEUR-WS. https://ceur-ws.org/Vol-3274/paper2.pdf[details]
Thanapalasingam, T., van Krieken, E., Bloem, P. & Groth, P. (13-4-2023). IntelliGraphs: Datasets for Benchmarking Knowledge Graph Generation. Zenodo. https://doi.org/10.5281/zenodo.8039857
De UvA gebruikt cookies voor het meten, optimaliseren en goed laten functioneren van de website. Ook worden er cookies geplaatst om inhoud van derden te kunnen tonen en voor marketingdoeleinden. Klik op ‘Accepteren’ om akkoord te gaan met het plaatsen van alle cookies. Of kies voor ‘Weigeren’ om alleen functionele en analytische cookies te accepteren. Je kunt je voorkeur op ieder moment wijzigen door op de link ‘Cookie instellingen’ te klikken die je onderaan iedere pagina vindt. Lees ook het UvA Privacy statement.