.png){kind=icon}
返回
A Temporal Knowledge Graph Generation Dataset Supervised Distantly by Large Language Models
.png){kind=icon}
OA
AI
DOI：10.1038/s41597-025-05062-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱可以通过从文档中提取三元组来构建，这表示文档级关系抽取。每个三元组说明由两个实体和一个关系组成的事实。然而，这些事实对应的时间信息被忽略了。融入时间信息可以展示事实之间的时间联系。从文档构建时间知识图谱（TKG）的研究相对较少。为解决这一局限性，我们基于一个文档级关系抽取数据集构建了一个新的数据集用于此任务。我们挖掘组合关系模式，并通过结合事实和时间戳构建时间四元组。此外，采用了两个大型语言模型（LLMs）为没有时间戳的其余三元组生成四元组。使用多重过滤器和人工标注来确保数据质量。为评估该数据集，我们提出了一种基于LLM的框架，用于从文档中提取具有时间信息的关系。该框架将关系抽取转化为序列到序列（seq-to-seq）任务，并对LLMs进行微调以预测实体间带有时间戳的关系。实验展示了LLMs在所提数据集上的性能。
期刊
IF:
6.9
论文数:
3.8K
被引数:
3.8W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容