利用大语言模型生成知识图谱：GPT-4、LLaMA 2 和 BERT 的比较研究
计算与语言
2024-12-11 v1 人工智能
数据库
摘要
知识图谱（KGs）对于图检索增强生成系统（GraphRAGs）的功能至关重要，后者是一种在需要结构化推理和语义理解的任务中表现出色的检索增强生成系统。然而，由于传统方法的准确性和可扩展性局限，为 GraphRAGs 创建知识图谱仍是一项重大挑战。本论文提出了一种利用大语言模型（LLMs）如 GPT-4、LLaMA 2（13B）和 BERT 直接从非结构化数据生成知识图谱的新方法，绕过了传统流水线。利用精确率、召回率、F1 分数、图编辑距离和语义相似度等指标，我们评估了模型生成高质量知识图谱的能力。结果表明，GPT-4 在语义保真度和结构准确性方面表现最优，LLaMA 2 擅长轻量级、领域特定的图谱，而 BERT 揭示了实体关系建模中的挑战。本研究强调了大语言模型在简化知识图谱创建和提升 GraphRAG 可访问性方面的潜力，为未来进展奠定了基础。
引用
@article{arxiv.2412.07412,
title = {Generating Knowledge Graphs from Large Language Models: A Comparative Study of GPT-4, LLaMA 2, and BERT},
author = {Ahan Bhatt and Nandan Vaghela and Kush Dudhia},
journal= {arXiv preprint arXiv:2412.07412},
year = {2024}
}
备注
4 pages, 4 figures, 3 tables