DSARE：当传统NLP遇到LLM后的关系提取新思路

文章预览

DSARE：当传统NLP遇到LLM后的关系提取新思路 发布时间：2024 年 07 月 11 日 知识图谱 Empowering Few-Shot Relation Extraction with The Integration of Traditional RE Methods and Large Language Models Few-Shot Relation Extraction (FSRE) 因其能在极低资源环境下提取文本信息而备受 NLP 研究者青睐。主要方法包括基于预训练语言模型的微调和提示调优。随着大型语言模型的兴起，许多研究者开始通过 In-Context Learning 探索 FSRE。然而，传统 RE 模型缺乏先验知识，而 LLMs 在 RE 任务上表现不佳。为此，我们提出了双系统增强的关系提取器 (DSARE)，它巧妙结合了传统 RE 模型与 LLMs，不仅将 LLMs 的先验知识融入传统模型，还通过关系提取增强提升了 LLMs 的 RE 任务能力。通过集成预测模块，DSARE 综合两种预测得出最终结果。实验证明，我们的方法卓有成效。 https://arxiv.org/abs/2407.08967 1. 背景 关系提取是 ………………………………