Kastor：面向基于形状的主动关系抽取的微型语言模型
计算与语言
2025-11-06 v1
摘要
RDF 图案化抽取是一种引注小型语言模型 (SLM) 的有说服力的方法，方法是将关系抽取任务聚焦于指定的 SHACL 形状。这种技术使开发在有限文本和 RDF 数据上训练的高效模型成为可能。本文介绍 Kastor，一个框架，旨在满足完成和细化知识库中特定领域需求的要求。Kastor 将传统验证任务重新表述为从形状派生的所有可能属性组合的评估。通过为每个训练样本选择最佳组合，框架显著增强了模型的泛化和性能。此外，Kastor 采用迭代学习过程来细化噪声知识库，使能够创建能够发现新相关事实的鲁棒模型。
引用
@article{arxiv.2511.03466,
title = {Kastor: Fine-tuned Small Language Models for Shape-based Active Relation Extraction},
author = {Ringwald Celian and Gandon Fabien and Faron Catherine and Michel Franck and Abi Akl Hanna},
journal= {arXiv preprint arXiv:2511.03466},
year = {2025}
}
备注
Accepted at ESWC 2025