UrbanKGent: A Unified Large Language Model Agent Framework for Urban Knowledge Graph Construction

本文是LLM系列文章，针对《UrbanKGent: A Unified Large Language Model Agent Framework
for Urban Knowledge Graph Construction》的翻译。

摘要

城市知识图谱最近作为一个新兴的构建块，从多源城市数据中提取关键知识，用于不同的城市应用场景。尽管城市知识图谱构建（UrbanKGC）有着良好的效益，但它仍然严重依赖人工，阻碍了其潜在的发展。本文提出了一个统一的大型语言模型代理框架UrbanKGent，用于城市知识图谱的构建。具体而言，我们首先通过异构感知和地理空间融合的指令生成，为UrbanKGC任务（如关系三元组提取和知识图谱填充）构建知识渊博的指令集。此外，我们提出了一个工具增强迭代轨迹细化模块来增强和细化从GPT-4中提取的轨迹。通过在Llama-2-13B上进行具有增广轨迹的混合指令微调，我们获得了UrbanKGC代理UrbanKGent-13B。我们使用人类和GPT-4自我评估对两个真实世界的数据集进行了全面评估。实验结果表明，UrbanKGent-13B不仅在UrbanKGC任务中显著优于21个基线，而且以大约20倍的成本超过了最先进的LLM GPT-4，超过了10%以上。我们部署UrbanKGent-13B来提供在线服务，与现有的基准相比，仅使用五分之一的数据，就可以构建一个关系丰富数千倍的UrbanKG。我们的数据、代码和开源UrbanKGC代理在https://github.com/usail-hkust/UrbanKGent可用。

1 引言

2 URBANKGC数据描述

3 前言