CREFT：用于人物关系抽取的序列化多智能体 LLM
计算与语言
2025-06-02 v1 人工智能
摘要
理解复杂的人物关系对于叙事分析和高效的剧本评估至关重要，然而现有的抽取方法往往难以处理具有细微互动的长篇叙事。为应对这一挑战，我们提出了 CREFT，这是一个利用专业化大型语言模型（LLM）智能体的新型序列化框架。首先，CREFT 通过知识蒸馏构建基础人物图谱，随后迭代地优化人物构成、关系抽取、角色识别和群组分配。在一个精选的韩剧数据集上的实验表明，CREFT 在准确性和完整性上均显著优于单智能体 LLM 基线。通过系统地将人物网络可视化，CREFT 简化了叙事理解并加速了剧本审查——为娱乐、出版和教育领域带来了实质性益处。
引用
@article{arxiv.2505.24553,
title = {CREFT: Sequential Multi-Agent LLM for Character Relation Extraction},
author = {Ye Eun Chun and Taeyoon Hwang and Seung-won Hwang and Byung-Hak Kim},
journal= {arXiv preprint arXiv:2505.24553},
year = {2025}
}