ASGM-KG：通过知识图谱揭示冲积金矿开采
人工智能
2024-08-20 v1 信息检索
机器学习
多智能体系统
摘要
手工和小规模金矿开采(ASGM)是一种低成本但极具破坏性的采矿实践，在全球热带流域导致了环境灾难。ASGM这一主题横跨多个研究领域和信息领域，知识常常分散在各种媒体和文档中。因此，我们引入了一个知识图谱(ASGM-KG)，整合并提供关于ASGM实践及其环境影响的关键信息。ASGM-KG的当前版本包含1899个三元组，这些三元组是通过大语言模型(LLM)从非政府组织和政府组织发布的文档和报告中提取的。这些文档由一组具有ASGM专业知识的热带生态学家精心挑选。该知识图谱通过两种方法进行了验证。首先，一小队ASGM专家审查并标注三元组为事实或非事实。其次，我们设计并应用了一个依赖搜索引擎和LLM来标注三元组的自动化事实验证框架。我们的框架在公开可用的知识图谱上表现与五个基线相当，并在领域专家验证的ASGM-KG上实现了超过90%的准确率。ASGM-KG展示了在聚合和表示复杂、跨学科环境危机（如ASGM）方面的进展。
引用
@article{arxiv.2408.08972,
title = {ASGM-KG: Unveiling Alluvial Gold Mining Through Knowledge Graphs},
author = {Debashis Gupta and Aditi Golder and Luis Fernendez and Miles Silman and Greg Lersen and Fan Yang and Bob Plemmons and Sarra Alqahtani and Paul Victor Pauca},
journal= {arXiv preprint arXiv:2408.08972},
year = {2024}
}