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

UnknownBody

已于 2024-03-08 11:16:01 修改

阅读量331

点赞数

CC 4.0 BY-SA版权

分类专栏： Knowledge Graph LLM Agent 文章标签：语言模型知识图谱人工智能

于 2024-03-07 09:14:30 首次发布

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/136505721

Knowledge Graph 同时被 3 个专栏收录

86 篇文章 ¥99.90 ¥299.90

订阅专栏

LLM 日更

828 篇文章

已下架不支持订阅

LLM Agent

104 篇文章

订阅专栏

UrbanKGent是首个利用大型语言模型（LLM）自动构建城市知识图谱的框架。它通过知识丰富的指令集和工具增强的迭代轨迹细化模块，提升了关系三元组提取和知识图谱填充的效率。实验显示，UrbanKGent-13B在UrbanKGC任务上超越21个基线，以更低的成本和延迟超过GPT-4。该框架已开源，有望推动城市知识图谱和智能城市应用的研究。

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。