技术动态 | 利用大模型做开放知识图谱构建及DOGE多模态文档定位

文章预览

转载公众号 | 老刘说NLP 今天 我们继续跟进文档理解以及大模型和知识图谱结合的话题。 看两个工作，利用大模型判别能力做开放知识图谱构建以及多模态文档问答的一个有趣任务DOGE。 一、利用大模型判别能力做开放知识图谱构建 《Can LLMs be Good Graph Judger for Knowledge Graph Construction?》(https://arxiv.org/pdf/2411.17388)，提出GraphJudger框架来提高KG构建的质量，注意： 这个工作与之前schema-based的抽取不同，做的是schema-free的抽取，属于openIE的范畴 。 如下图所示，其做的更像是一种SPO(subjec,predicate, object)的三元组抽取方式，如下图所示，给定一个文档，然后要去输出文档中存在的三元组集合： 但是，其中的问题在于，现实文档中存在大量信息和噪声，导致提取的信息混乱；LLMs在处理某些领域特定文档时难以准确提取知识；直接使用LLMs作为无监督方法构建KG时 ………………………………