利用大语言模型生成支持文档的图增强关系抽取模型
计算与语言
2024-11-01 v1 人工智能
摘要
本研究介绍了一种新颖的句子级关系抽取（RE）方法，该方法将图神经网络（GNN）与大语言模型（LLM）相结合，以生成上下文丰富的支持文档。通过利用 LLM 生成辅助信息的能力，我们的方法构建了文本数据的复杂图表示。该图随后通过图神经网络（GNN）进行处理，以细化和丰富与每个实体相关的嵌入，确保对数据有更细致和相互关联的理解。这种方法通过整合更广泛的上下文并利用实体间的交互，解决了传统句子级 RE 模型的局限性，从而提高了模型捕捉跨句子复杂关系的能力。我们在 CrossRE 数据集上进行的实验证明了我们方法的有效性，在各个领域的性能都有显著提升。结果突显了将 GNN 与 LLM 生成的上下文相结合以推进关系抽取领域的潜力。
引用
@article{arxiv.2410.23452,
title = {Graph-Augmented Relation Extraction Model with LLMs-Generated Support Document},
author = {Vicky Dong and Hao Yu and Yao Chen},
journal= {arXiv preprint arXiv:2410.23452},
year = {2024}
}