AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


MPIKGC:利用大型模型对知识图谱补全进行多角度改进(实体、关系和结构)!
发布日期:2024-03-28 19:45:08 浏览次数: 1774


知识图谱补全(KGC)是一种广泛使用的方法,通过预测缺失的链接来解决知识图谱(KGs)中的不完整性问题。基于描述的KGC利用预训练的语言模型来学习实体和关系的表示,这些模型的名称或描述显示出有希望的结果。然而,基于描述的KGC的性能仍然受到文本质量和不完整结构的限制,因为它缺乏足够的实体描述,并且完全依赖于关系名称,导致结果不是最优的。
为了解决这个问题,提出MPIKGC,这是一个通用框架,通过从不同角度查询大型语言模型(LLMs)来补偿上下文化知识的不足,并改进KGC。这涉及到利用LLMs的推理、解释和总结能力来分别扩展实体描述、理解关系和提取结构
MPIKGC框架包含以下三个主要部分:
实体描述扩展(MPIKGC-E):使用Chain-of-Thought(CoT)提示策略,让LLMs逐步生成更丰富的实体描述。
关系理解(MPIKGC-R):通过全局、局部和反向提示策略,提高KGC模型对关系含义的理解,从而改善链接预测的反向预测性能。
结构提取(MPIKGC-S):利用LLMs的关键词总结和匹配能力,提取额外的结构信息,丰富知识图谱,特别是对于长尾实体。
从实体、关系和结构的角度提高知识图谱的框架。 通过使用各种基于描述的知识图谱补全(KGC)模型在链接预测和三元组分类任务上评估增强知识图谱的效率。

每个查询策略的模板,MPIKGC-E、-R 和 -S 分别对应于实体、关系和结构方面的改进方法

Strategies   TemplatesMPIKGC-E        Please provide all information about {Entity Name}. Give the rationale before answering:MPIKGC-R Global Please provide an explanation of the significance of the relation {Relation Name} in a knowledge graph with one sentence:MPIKGC-R Local  Please provide an explanation of the meaning of the triplet (head entity, {Relation Name}, tail entity) and rephrase it into a sentence:MPIKGC-R Reverse  Please convert the relation {Relation Name} into a verb form and provide a statement in the passive voice:MPIKGC-S          Please extract the five most representative keywords from the following text: {Entity Description}. Keywords:
实验在四个基于描述的KGC模型和四个数据集上进行,包括链接预测和三元组分类任务。结果表明,MPIKGC在多个性能指标上都取得了显著的提升。具体来说:
MPIKGC-E 在提高实体描述方面表现出色,尤其是在链接预测任务中。
MPIKGC-R 在理解关系方面取得了进步,尤其是在三元组分类任务中。
MPIKGC-S 在结构提取方面表现最佳,尤其是在链接预测任务中。

链接预测任务的实验结果,每个区块中最好的结果用粗体显示。↑:数值越高越好。↓:数值越低越好。

Multi-perspective Improvement of Knowledge Graph Completion with Large Language Modelshttps://arxiv.org/abs/2403.01972https://github.com/quqxui/MPIKGC


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询