.png){kind=icon}
返回
Meticulously Unsupervised Entity Alignment With Large Language Models
.png){kind=icon}
PRE
AI
DOI：10.1111/exsy.70406.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱实体对齐是指从不同的知识图谱中识别和链接指代同一现实世界对象的实体。结构异构性和训练数据稀缺一直是阻碍实体对齐任务的两大主要挑战。大型语言模型的兴起为实体知识补全和无监督EA提供了新途径，这得益于其广泛的知识背景和全面的语义信息处理能力。然而，直接应用大型语言模型来解决上述两个挑战并非易事，原因如下：(1) 在缺乏适当约束的情况下，它会盲目丰富实体知识；(2) 作为基于概率的模型，它可能生成噪声标签，导致对齐错误。为此，本文提出了一种名为LLM-Align的新型无监督实体对齐框架，以有效利用大型语言模型精确标注实体对。首先，设计了约束实体信息丰富（CIE）技术，利用KGs中存在的属性和关系约束补全过程，从而缓解对齐实体间的结构异构性。随后，设计了代码格式化提示模板（CPT）模块，协助大型语言模型从通过语义和结构相似性获得的候选实体对中进行标注。最终，构思了基于组合优化方法的实体对精炼（COR）技术，以进一步提升标注实体对的质量，用于训练基础EA模型。在多个基准数据集上的广泛实验证明了LLM-Align的优势。
Keyword:
entity alignment
entity information enrichment
entity pair refinement
entity-code encoding
LLM-based entity pair labelling
期刊
IF:
2.3
论文数:
2.6K
被引数:
3.8K
机构
引用论文
Your data is not perfect: Towards cross-domain out-of-distribution detection in class-imbalanced data您的数据并非完美：面向类别不平衡数据跨域分布外检测的研究
OAAI
OAAI分享收藏“Knowledge Graph Tuning: Real-Time Large Language Model Personalization Based on Human Feedback.” CoRR abs/2405.19686“知识图谱调优：基于人类反馈的实时大型语言模型个性化。” CoRR abs/2405.19686.png)
IF0
PREAI
分享收藏Unlocking the Power of Large Language Models for Entity Alignment江旭, 沈宇, 石志, 许超, 李伟, 李哲, 郭俊, 沈宏, 王宇, https://doi.org/10.18653/v1/2024.acl-long.408解锁大型语言模型在实体对齐中的潜力, 见: Ku L., Martins A., Srikumar V. (eds.) 第62届计算语言学协会年会会议录（第一卷：长文），ACL 2024, 泰国曼谷，2024年8月11-16日，计算语言学协会，2024, 第7566-7583页。doi:10.18653/V1/2024.ACL-LONG.408. https://doi.org/10.18653/v1/2024.acl-long.408
PREAI
分享收藏
查看更多内容