Text2NKG：面向N元关系知识图谱构建的细粒度N元关系抽取
人工智能
2024-10-31 v3 计算与语言
摘要
除传统二元关系事实外，N元关系知识图谱（NKG）由包含多于两个实体的N元关系事实组成，其更贴近真实世界事实并具有更广泛的应用。然而，NKG的构建仍停留在粗粒度层面，往往采用单一模式，忽略了实体的顺序与可变元数。为应对这些局限，我们提出Text2NKG，一种用于N元关系知识图谱构建的新颖细粒度N元关系抽取框架。我们引入一种具有异序合并与输出合并的跨度元组分类方法，以在不同元数下完成细粒度N元关系抽取。此外，Text2NKG支持四种典型NKG模式：超关系模式、基于事件模式、基于角色模式与基于超图模式，具有高灵活性与实用性。实验结果表明，Text2NKG在细粒度N元关系抽取基准上的F1分数达到了最先进的性能。我们的代码与数据集已公开。
引用
@article{arxiv.2310.05185,
title = {Text2NKG: Fine-Grained N-ary Relation Extraction for N-ary relational Knowledge Graph Construction},
author = {Haoran Luo and Haihong E and Yuhao Yang and Tianyu Yao and Yikai Guo and Zichen Tang and Wentai Zhang and Kaiyang Wan and Shiyao Peng and Meina Song and Wei Lin and Yifan Zhu and Luu Anh Tuan},
journal= {arXiv preprint arXiv:2310.05185},
year = {2024}
}
备注
Accepted by NeurIPS 2024 main conference