SAC-KG：将大型语言模型用作领域知识图谱的精能自动构造器
人工智能
2024-10-07 v1 计算与语言
机器学习
摘要
知识图谱 (KG) 在知识密集型任务中发挥着关键作用，精准可靠的知识获取至关重要。然而，现有 KG 构建方法高度依赖人工干预，难以在实际场景中落地。为此，我们提出一种通用的 KG 构建框架，命名为 SAC-KG，旨在将大型语言模型 (LLM) 作为领域知识图谱的精能自动构造器。SAC-KG 有效地将 LLM 作为领域专家，用于生成专门且精确的多层级知识图谱。具体而言，SAC-KG 包含三个组件：生成器、验证器和修剪器。对于给定实体，生成器从原始领域语料中生成其关系和尾部实体，以构建特定的单层级 KG。验证器和修剪器随后协同工作，通过纠正生成错误和判断新产生的尾部实体是否需要进行下一层级 KG 的进一步迭代来确保精度。实验表明，SAC-KG 能够自动构建规模超过百万节点的领域 KG，实现 89.32% 的精度率，较现有 KG 构建任务的领先方法提升了超过 20%。
引用
@article{arxiv.2410.02811,
title = {SAC-KG: Exploiting Large Language Models as Skilled Automatic Constructors for Domain Knowledge Graphs},
author = {Hanzhu Chen and Xu Shen and Qitan Lv and Jie Wang and Xiaoqi Ni and Jieping Ye},
journal= {arXiv preprint arXiv:2410.02811},
year = {2024}
}
备注
ACL 2024 Main