论文浅尝 | GenTKG：结合大语言模型的时间知识图谱生成式预测（NAACL2024）

文章预览

笔记整理：喻靖，浙江大学硕士，研究方向为大语言模型 论文链接：https://arxiv.org/pdf/2310.07793 发表会议：NAACL2024 摘要 随着大语言模型（LLMs）的迅速发展，人们对时间知识图谱（tKG）领域的兴趣日益增长。传统上，tKG领域的预测任务主要由基于嵌入和基于规则的方法主导。然而，这些方法在处理复杂的时间关系数据时存在显著局限性，特别是在应对数据规模、复杂的图结构，以及模型在不同数据集和时间切分下的适应性时。为了探索大语言模型在处理时间关系数据方面的潜力，本文提出了一种新的生成式预测框架GenTKG，该框架结合了基于检索的增强生成策略和少样本参数高效调优方法，以解决上述挑战。 1. 背景 时间知识图谱（tKG）是一个包含多重关系的有向图，节点间的边带有时间戳，表示随时间变化的世界知识。tKG任务的主要目标是在给定过 ………………………………