利用大语言模型构建细粒度实体类型分类体系
计算与语言
2024-02-21 v1
摘要
在本研究中，我们调查了 GPT-4 及其高级迭代版本 GPT-4 Turbo 在自主开发详细实体类型分类体系方面的潜力。我们的目标是构建一个全面的分类体系，从广泛的实体类型分类开始——包括对象、时间、地点、组织、事件、动作和主体——类似于现有的手动策划分类体系。然后通过迭代提示技术，利用 GPT-4 的内部知识库对该分类进行逐步细化。结果是一个包含超过 5000 个细微实体类型的广泛分类体系，在主观评估中显示出卓越的质量。我们采用了一种简单而有效的提示策略，使分类体系能够动态扩展。这种详细分类体系的实际应用多样且意义重大。它促进了通过基于模式的组合创建新的、更复杂的分支，并显著增强了信息提取任务，如关系提取和事件参数提取。我们的方法不仅引入了一种创新的分类体系创建方法，也为在各种计算语言学和人工智能相关领域应用此类分类体系开辟了新途径。
引用
@article{arxiv.2402.12557,
title = {Creating a Fine Grained Entity Type Taxonomy Using LLMs},
author = {Michael Gunn and Dohyun Park and Nidhish Kamath},
journal= {arXiv preprint arXiv:2402.12557},
year = {2024}
}