Extract, Define, Canonicalize: An LLM-based Framework for Knowledge Graph Construction

在这项工作中，我们对从输入文本中自动创建知识图谱（KGC）的方法感兴趣。大型语言模型（LLMs）的进展促使最近出现了一系列将它们应用于KGC的工作，例如通过零/少量提示。尽管在小型特定领域的数据集上取得了成功，但这些模型在扩展到许多实际应用中常见的文本时面临困难。一个主要问题是，在先前的方法中，KG模式必须包含在LLM提示中才能生成有效的三元组；更大更复杂的模式很容易超出LLMs的上下文窗口长度。为了解决这个问题，我们提出了一个名为Extract-Define-Canonicalize（EDC）的三阶段框架：开放信息提取，然后是模式定义和事后规范化。EDC是灵活的，可以应用于有预定义目标模式的设置和没有预定义目标模式的设置；在后一种情况下，它会自动构建模式并应用自我规范化。为了进一步提高性能，我们引入了一个经过训练的组件，用于检索与输入文本相关的模式元素；这种方法通过检索增强的生成方式，提高了LLMs的提取性能。我们在三个KGC基准测试上展示了EDC能够提取高质量的三元组，而不需要任何参数调整，并且与先前的工作相比具有显着更大的模式。

本论文旨在解决从文本中自动创建知识图谱的问题，特别是当知识图谱的模式较大或较复杂时，当前的大型语言模型存在的困难。

该论文提出了一个名为EDC（Extract-Define-Canonicalize）的三阶段框架，通过开放式信息提取、模式定义和后期规范化来解决当前大型语言模型的限制。EDC框架可以应用于已定义目标模式和未定义目标模式的情况，后者可以自动构建模式并进行自我规范化。此外，论文还引入了一个经过训练的组件，以检索与输入文本相关的模式元素，从而提高了大型语言模型的提取性能。

该论文的亮点包括：1. 提出了一个新的三阶段框架EDC，能够处理更大、更复杂的知识图谱模式；2. 引入了一个经过训练的组件来提高提取性能；3. 在三个知识图谱基准测试中展示了EDC的高质量三元组提取性能。

最近的相关研究包括使用零/少量提示的大型语言模型进行知识图谱创建，以及其他基于开放信息提取的方法。相关论文包括：《Few-Shot Knowledge Graph Creation with Pre-Trained Language Models》、《Open Information Extraction》等。