mRAKL：面向低资源语言的多语言检索增强知识图谱构建
计算与语言
2025-07-23 v1
摘要
知识图谱代表现实世界的实体及其之间的关系。多语言知识图谱构建（mKGC）指在多语言环境中自动构建或预测知识图谱中缺失的实体和链接的任务。本文将 mKGC 任务重新表述为问答（QA）任务，并引入 mRAKL：一个基于检索增强生成（RAG）的系统，用于执行 mKGC。我们通过在问题中使用头实体和链接关系，让模型预测尾实体作为答案。我们的实验主要聚焦于两种低资源语言：提格里尼亚语和阿姆哈拉语。我们尝试使用更丰富的语言阿拉伯语和英语进行跨语言迁移。使用 BM25 检索器，我们发现基于 RAG 的方法在无上下文设置时性能提升。进一步地，我们的消融研究表明，在理想化的检索系统下，mRAKL 对提格里尼亚语和阿姆哈拉语的准确率分别提高了 4.92 和 8.79 个百分点。
引用
@article{arxiv.2507.16011,
title = {mRAKL: Multilingual Retrieval-Augmented Knowledge Graph Construction for Low-Resourced Languages},
author = {Hellina Hailu Nigatu and Min Li and Maartje ter Hoeve and Saloni Potdar and Sarah Chasins},
journal= {arXiv preprint arXiv:2507.16011},
year = {2025}
}
备注
Accepted to Findings of ACL 2025