【KDD2024教程】大语言模型时代下的文本结构化知识自动挖掘

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最新进展，重点介绍弱监督学习方法。我们将涵盖以下主题：

1. 大语言模型的介绍，它是近期文本挖掘任务的基础；

2. 本体构建，自动从海量语料库中丰富本体；

3. 在平面和层次化标签空间中的弱监督文本分类；

4. 弱监督信息抽取，提取实体和关系结构。

   https://yzhan238.github.io/kdd24-tutorial/

幻灯片

• 介绍 

• 第一部分：文本分析中的语言基础模型

• 第二部分：分类体系的构建与丰富

• 第三部分：弱监督文本分类

• 第四部分：弱监督信息抽取 

• 结论

关于我们

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。

新浪微博：@数据派THU

微信视频号：数据派THU

今日头条：数据派THU