Automated Construction of Theme-specific Knowledge Graphs

尽管知识图谱（KGs）在各种任务中得到了广泛应用，例如问答和智能对话系统，但现有的KGs面临两个主要挑战：信息粒度和时效性的不足。这些问题严重阻碍了从KGs中检索和分析上下文中的细粒度和最新知识，尤其是在高度专业化的主题（例如专业科学研究）和快速发展的背景下（例如突发新闻或灾难跟踪）。为了解决这些挑战，我们提出了一个主题特定的知识图谱（即ThemeKG），这是从主题特定语料库构建的知识图谱，并设计了一个无监督的框架用于ThemeKG的构建（称为TKGCon）。该框架采用原始的主题特定语料库，生成一个高质量的KG，其中包括主题下的显著实体和关系。具体而言，我们从维基百科的主题实体本体开始，基于此生成候选关系，以构建关系本体。为了解析主题语料库中的文档，我们首先将提取的实体对映射到本体，并检索候选关系。最后，我们将上下文和本体结合起来，巩固实体对的关系。我们观察到，直接提示GPT-4进行主题特定的KG会导致不准确的实体（例如在查询结果中将“两种主要类型”视为一个实体）和不明确（例如“is”，“has”）或错误的关系（例如“have due to”，“to start”）。相反，通过逐步构建主题特定的KG，我们的模型优于GPT-4，并且能够始终识别准确的实体和关系。实验结果还表明，与各种KG构建基线相比，我们的框架在评估中表现出色。

本论文旨在解决现有知识图谱在信息粒度和时效性方面的挑战，提出了一种主题特定知识图谱（ThemeKG）的构建方法。

论文提出了一种无监督的框架（TKGCon），通过从主题特定语料库中提取实体和关系，构建高质量的主题特定知识图谱。该框架通过从Wikipedia中提取实体本体并使用大型语言模型（LLMs）生成候选关系本体，解析主题语料库中的文档，将提取的实体对映射到本体并检索候选关系，最后整合上下文和本体以巩固实体对的关系。

实验结果表明，与各种知识图谱构建基线相比，该框架在评估方面表现优异。通过构建主题特定知识图谱，相比直接使用GPT-4，能够更准确地识别实体和关系。此外，该论文还使用了开源数据集，并提供了开源代码，值得进一步研究。

最近在该领域中，还有一些相关研究，例如《Knowledge Graph Embedding: A Survey of Approaches and Applications》、《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》等。