【KDD2024教程】大语言模型时代下的文本结构化知识自动挖掘

文章预览

来源：专知 本文 为论文介绍 ，建议阅读 5 分钟 在本教程中，我们将介绍使用语言模型进行结构化知识挖掘的最新进展，重点介绍弱监督学习方法 。 每天都会生成大量的非结构化文本数据，涵盖从新闻文章到科学论文等内容。如何从这些文本数据中挖掘结构化知识依然是一个关键的研究问题。最近，大语言模型（LLMs）凭借其卓越的文本理解能力和指令跟随能力，为文本挖掘领域带来了新的希望。通常有两种利用LLMs的方法：一是通过人工标注的训练数据对LLMs进行微调，这需要大量的人工投入，难以扩展；二是在零样本或少样本的情况下提示LLMs，这种方法无法充分利用海量文本数据中的有用信息。因此，在大语言模型时代，如何从海量文本数据中自动挖掘结构化知识仍然是一个挑战。 在本教程中，我们将介绍使用语言模型进行结构化知识挖掘的 ………………………………