洞悉 CORE-KG：评估结构化提示与知识图谱指代解析

人类走私网络日益灵活，难以分析。法律案件文件提供了关键洞察，但往往结构化、词汇密集且充满模糊或不断变化的指代，这对自动化知识图谱构建提出了重大挑战。虽然近期基于大语言模型的方法在静态模板方面取得进展，但仍会生成噪声、碎片化的图谱，导致节点重复，因为缺乏引导式提取和指代解析。最近提出的 CORE-KG 框架通过整合类型感知的指代模块和领域引导的结构化提示，显著减少了节点重复和法律噪声。本文对 CORE-KG 进行系统性消失实验，以量化其两个关键组件的 individual 贡献。结果表明，若移除指代解析，节点重复将增加 28.25%，噪声节点增加 4.32%；若移除结构化提示，节点重复增加 4.29%，噪声节点增加 73.33%。这些发现为设计从复杂法律文本中提取结构化表示的稳健大语言模型管道提供了经验性洞察。