基于大语言模型的零样本与少样本知识图谱三元组抽取
计算与语言
2023-12-05 v1
摘要
在本工作中，我们在零样本和少样本设置下测试了不同大小的多种大语言模型 (LLM) 的三元组抽取 (TE) 能力。具体而言，我们提出了一种流水线，该流水线以上下文三元组和 (句子, 三元组) 对作为示例的形式，从知识库 (KB) 中动态收集上下文信息，并通过提示将其提供给 LLM。额外的上下文使得 LLM 能够与所有基于双向长短期记忆 (BiLSTM) 网络架构的早期完全训练的基线模型相媲美。我们进一步对收集到的 KB 上下文的质量进行了详细分析，发现其与模型的最终 TE 性能强相关。相比之下，模型规模似乎仅以对数方式改善 LLM 的 TE 能力。
引用
@article{arxiv.2312.01954,
title = {Zero- and Few-Shots Knowledge Graph Triplet Extraction with Large Language Models},
author = {Andrea Papaluca and Daniel Krefl and Sergio Mendez Rodriguez and Artem Lensky and Hanna Suominen},
journal= {arXiv preprint arXiv:2312.01954},
year = {2023}
}