RAE：通过检索增强来完成事件提取任务

文章预览

RAE：通过检索增强来完成事件提取任务 发布时间：2024 年 06 月 03 日 知识图谱 提示工程 Decompose, Enrich, and Extract! Schema-aware Event Extraction using LLMs 大型语言模型（LLMs）在处理自然语言数据方面能力卓越，能从多样的文本资源中高效提取知识，助力情境洞察与决策支持。但其易产生幻觉的弱点，导致上下文信息失真，引发担忧。本研究聚焦于利用 LLMs 自动提取事件，创新性地将任务拆分为事件检测与事件论元提取，以克服幻觉问题。同时，我们巧妙地将动态模式感知的增强检索示例融入定制提示，进一步拓展了检索增强生成等尖端提示技术的应用。在权威事件提取基准及合成基准的测试中，该方法均展现出超越传统方法的卓越性能。 https://arxiv.org/abs/2406.01045 1. 背景 前大语言模型时代，事件提取普遍使用的是基于Seq2Seq的方法，但是这种方法的弊端在 ………………………………