【论文阅读】Extract, Define, Canonicalize: An LLM-based Framework forKnowledge Graph Construction

https://arxiv.org/pdf/2404.03868

GitHub - clear-nus/edc

摘要总结：
本文提出了一种名为Extract-Define-Canonicalize (EDC)的三阶段框架，用于从文本中自动构建知识图谱。该框架首先利用大型语言模型进行开放式信息提取，然后定义图谱模式，并进行标准化。EDC框架可以适应有预定义模式和无预定义模式的情况。实验结果表明，EDC在自动提取高质量知识图谱方面优于现有方法。

EDC框架包含以下三个阶段：
1.开放式信息提取(Open Information Extraction)：利用大型语言模型从输入文本中自由提取实体关系三元组。
2.模式定义(Schema Definition)：为开放式知识图谱中的每个组件生成自然语言定义，例如实体类型和关系类型。
3.模式标准化(Schema Canonicalization)：使用模式定义对三元组进行标准化，使得语义上等价的关系和实体类型具有相同的名词/关系短语。
这三个阶段的作用分别是：

• 开放式信息提取：利用语言模型的开放信息提取能力，从文本中提取有意义的三元组。
• 模式定义：为提取的三元组生成定义，为后续标准化做准备。
• 模式标准化：利用定义对三元组进行标准化，消除歧义和冗余，生成规范化的知识图谱。
   

EDC框架适应有预定义模式和无预定义模式的情况的方法如下：
1.有预定义模式的情况：

• 在模式标准化阶段，EDC框架使用向量相似性搜索，找到与提取的三元组最相关的预定义模式中的组件，并考虑对其进行标准化。
• 通过语言模型评估每个潜在转换的可行性，以避免过度泛化的问题。如果转换不合理，表示在目标模式中没有语义等价物，则排除该组件及其相关三元组。

2.无预定义模式的情况：

• 在模式标准化阶段，EDC框架从空的标准模式开始，通过向量相似性和语言模型验证，搜索开放式知识图谱三元组中的潜在标准化候选者。
• 与有预定义模式的情况不同，对于无法转换的组件，EDC框架将其添加到标准模式中，从而扩展标准模式。

综上所述，EDC框架通过灵活的模式标准化策略，能够适应有预定义模式和无预定义模式的情况，并生成规范化的知识图谱。