基于自我提示的大语言模型在零样本关系抽取中的强大能力
信息检索
2024-12-24 v2 计算与语言
摘要
近期研究在零样本关系抽取 (RE) 中聚焦于利用大语言模型 (LLM)，其出色的零样本能力。然而，当前方法往往表现次优，主要由于缺乏对各种句子和关系所必需的详细、特定于情境的提示。为此，我们引入 Self-Prompting 框架，一种新型方法旨在充分发掘 LLM 内部嵌入的 RE 知识。具体而言，我们框架采用三阶段多样性方法，对 LLM 进行提示，生成多个从零开始封装特定关系的合成样本。这些生成的样本充当情境学习样本，为高效地为 RE 提供明确且特定于情境的指导。实验评估表明，我们的方法在基准数据集上优于现有的 LLM 基于零样本 RE 方法。此外，我们的实验确认生成管道在产生高质量合成数据方面的有效性，这些数据显著提升了性能。
引用
@article{arxiv.2410.01154,
title = {Unleashing the Power of Large Language Models in Zero-shot Relation Extraction via Self-Prompting},
author = {Siyi Liu and Yang Li and Jiang Li and Shan Yang and Yunshi Lan},
journal= {arXiv preprint arXiv:2410.01154},
year = {2024}
}
备注
EMNLP 2024 Short