事实发现者 - 通过引入知识图谱增强大模型的生物医药领域专业知识(拜耳制药&IAIS)

文章预览

arXiv:2408.03010v1 [cs.CL] 06 Aug 2024 Abstract摘要 最近在大语言模型（LLMs）方面的进展展示了它们在回答自然语言查询中的能力。然而，它们的有效性受到有限领域特定知识的制约，这引发了对其响应可靠性的担忧。拜耳制药和IAIS发表了一篇论文，介绍了一种混合系统，该系统通过领域特定知识图谱（KGs）增强LLMs，从而旨在通过基于KG的检索方法提高事实正确性。我们专注于一个医学KG来演示我们的方法论，包括（1）预处理，（2）Cypher查询生成，（3）Cypher查询处理，（4）KG检索，以及（5）LLM增强响应生成。我们在一个经过精心挑选的数据集上评估我们的系统，该数据集包含69个样本，成功检索到正确KG节点的精确率达78%。我们的发现表明，混合系统在准确性和完整性上超过了独立的LLM，这一点通过LLM作为评审者的评估方法得到了验证。该系统为那些需要 ………………………………