用于天文实体消歧的大语言模型与知识图谱
计算与语言
2024-06-18 v1 天体物理仪器与方法
摘要
本文介绍了一项在黑客马拉松期间进行的实验，重点是利用大语言模型(LLMs)和知识图谱聚类从天文文本中提取实体和关系。该研究展示了一种消歧方法，用于处理在天文领域内可能出现在不同上下文中的实体。通过收集特定实体周围的摘录并利用GPT-4语言模型，提取出相关的实体和关系。然后利用提取的信息构建知识图谱，并使用Leiden算法对其进行聚类。利用生成的Leiden社区来识别未知摘录与每个社区的关联百分比，从而实现消歧。该实验展示了将LLMs和知识图谱聚类技术结合用于天文研究信息提取的潜力。结果突显了该方法在识别和消歧实体，以及根据实体间关系将其分组到有意义的聚类中的有效性。
引用
@article{arxiv.2406.11400,
title = {Large Language Models and Knowledge Graphs for Astronomical Entity Disambiguation},
author = {Golnaz Shapurian},
journal= {arXiv preprint arXiv:2406.11400},
year = {2024}
}