通过语言模型理解 6G：面向电信领域的 LLM 辅助结构实体抽取案例研究
计算与语言
2025-05-22 v1 系统与控制
系统与控制
摘要
知识理解是实现 6G 网络智能化和 AI-native 网络架构的基础性环节。在此范式下，信息抽取在将碎片化的电信知识转化为结构化格式方面发挥着关键作用，使各种 AI 模型能够更好地理解网络术语。本文提出了一种基于语言模型的信息抽取技术，旨在从电信语境中抽取结构化实体。所提出的电信结构实体抽取（TeleSEE）技术应用了高效的标记表示方法，用于预测实体类型和属性键，以减少输出标记数量并提高预测准确率。同时，TeleSEE 引入了层次化并行解码方法，通过整合额外的提示和解码策略来改进标准的编码器-解码器架构，以适应实体抽取任务。此外，为更好地评估所提出技术在电信领域的性能，我们进一步设计了一个名为 6GTech 的数据集，包含来自超过 100 篇 6G 相关技术出版物的 2390 句子和 23747 个词。最终实验表明，所提出的 TeleSEE 方法在其他基线技术之上取得了更高的准确率，并且呈现出 5 至 9 倍的样本处理速度。
引用
@article{arxiv.2505.14906,
title = {Understanding 6G through Language Models: A Case Study on LLM-aided Structured Entity Extraction in Telecom Domain},
author = {Ye Yuan and Haolun Wu and Hao Zhou and Xue Liu and Hao Chen and Yan Xin and Jianzhong and Zhang},
journal= {arXiv preprint arXiv:2505.14906},
year = {2025}
}