iText2KG：显著降低LLM构建知识图谱时的幻觉现象

文章预览

iText2KG：借助大型语言模型实现知识图谱的增量构建 发布时间：2024 年 09 月 05 日 知识图谱 iText2KG: Incremental Knowledge Graphs Construction Using Large Language Models 大多数数据都是非结构化的，难以提取有价值的信息。自动构建知识图谱（KGs）是解决这一问题的关键，它不仅使数据结构化，便于用户高效搜索，还能促进洞察和推理。传统的自然语言处理方法，如命名实体识别和关系提取，虽在信息检索中起重要作用，但受限于预定义实体类型和监督学习需求。当前研究利用大型语言模型的零-或少量-shot 学习能力，但仍面临未解决和语义重复的实体与关系问题，导致图谱不一致和大量后处理需求。此外，多数方法依赖特定主题。本文提出 iText2KG，一种无需后处理的增量、主题无关的 KG 构建方法。该即插即用、零-shot 方法包含文档提取、增量实体与关系提取及图 ………………………………