提升大语言模型的召回率：一种面向关系三元组抽取的模型协作方法

关系三元组抽取旨在从长句中输出一组三元组，在知识获取中发挥着至关重要的作用。在给定适当指令的情况下，大语言模型能够通过少样本学习或微调准确地从简单句子中提取三元组。然而，在从复杂句子中提取时，它们常常出现遗漏。在本文中，我们设计了一个评估-过滤框架，将大语言模型与小模型集成以用于关系三元组抽取任务。该框架包含一个能够高精度提取相关实体对的评估模型。我们提出了一种简单的标注原则和一种深度神经网络来构建该模型，并将其输出作为提示嵌入到大模型的抽取过程中。我们进行了广泛的实验，证明所提出的方法能够辅助大语言模型获得更准确的抽取结果，特别是在包含多个关系三元组的复杂句子中。我们的评估模型也可以嵌入到传统抽取模型中，以增强其从复杂句子中抽取的精度。