KG-CTG: Citation Generation through Knowledge Graph-guided Large Language Models

本文是LLM系列文章，针对《KG-CTG: Citation Generation through Knowledge Graph-guided Large Language Models》的翻译。

摘要

引文文本生成（CTG）是自然语言处理（NLP）中的一项任务，旨在生成准确引用或引用源文档中引用文档的文本。在CTG中，生成的文本利用了源文档和引用论文的上下文线索，确保提供准确和相关的引用信息。引文生成领域的先前工作主要基于文献的文本摘要。在此基础上，本文提出了一个框架和一项比较研究，以证明大型语言模型（LLMs）在引文生成任务中的使用。此外，我们通过将论文的知识图谱关系纳入提示中，使LLM更好地了解论文之间的关系，从而提高了引文生成的结果。为了评估我们的模型的性能，我们使用了标准S2ORC数据集的一个子集，该数据集仅由英语语言的计算机科学学术研究论文组成。Vicuna在这项任务中表现最佳，有14.15Meteor、12.88Rouge-1、1.52Rouge-2和10.94Rouge-L。此外，羊驼表现最好，通过包含知识图谱，在Rouge-1和Meteor中的表现分别提高了36.98%和33.14%。

1 引言

2 相关工作

3 方法

4 CTG数据集

5 实验

6 评估

7 结论</