基于搜索增强跨语言大语言模型的学者姓名消歧
信息检索
2025-03-05 v2
摘要
学者姓名消歧是诸多实际场景中的关键任务，包括面向奖项提名的计量学-based 候选人评估、申请材料反欺诈等。尽管近年来取得了显著进展，但当前方法仍受数据异构性复杂性制约，往往需要大量人工干预。为此，本文提出一种新方法，利用跨语言的搜索增强型大语言模型 (LLM) 来提高姓名消歧效果。通过利用搜索引擎强大的查询重写、意图识别和数据索引功能，我们的方法能够收集更丰富的信息，用于区分实体并提取个人简介，从而实现更全面的数据维度。鉴于大语言模型在跨语言方面的强大能力，优化与增强检索方法与此技术结合具有巨大的潜力，可实现高效的信息检索与利用。我们的实验表明，纳入本地语言显著提升了消歧效果，尤其是针对来自不同地区的学者。这种多语言、搜索增强的方法为更高效和准确的主动学者姓名消歧提供了有前景的方向。
引用
@article{arxiv.2411.17102,
title = {Scholar Name Disambiguation with Search-enhanced LLM Across Language},
author = {Renyu Zhao and Yunxin Chen},
journal= {arXiv preprint arXiv:2411.17102},
year = {2025}
}