基于对话的小说多维度关系抽取

关系抽取是自然语言处理中的一项关键任务，在知识图谱构建和文学分析中具有广泛应用。然而，小说文本中复杂的语境和隐式表达给自动的人物关系抽取带来了巨大挑战。本研究聚焦于小说领域的关系抽取，并提出了一种基于大语言模型的方法。通过引入关系维度分离、对话数据构建和上下文学习策略，所提方法提升了抽取性能。利用对话结构信息，该方法增强了模型理解隐式关系的能力，并在复杂语境中展现出强大的适应性。此外，我们构建了一个高质量的中文小说关系抽取数据集，以解决标注资源匮乏的问题，并支持未来的研究。实验结果表明，我们的方法在多个评估指标上优于传统基线，并成功促进了小说中人物关系网络的自动构建。