2025_NIPS_KGGen: Extracting Knowledge Graphs from Plain Text with Language Models

文章主要内容与创新点总结

一、主要内容

该研究针对知识图谱（KG）数据稀缺、现有自动提取工具质量不足的问题，提出了一款名为KGGen的文本到知识图谱生成工具，同时构建了首个专门评估文本到知识图谱提取效果的基准测试集MINE。

1. 背景：现有知识图谱（如Wikidata、DBpedia）存在完整性不足的问题，而OpenIE、GraphRAG等主流提取工具缺乏有效的实体消歧和关系规范化机制，导致生成的图谱稀疏、关联性差，难以支撑下游任务（如KG嵌入、图谱RAG）。
2. KGGen核心流程：
   • 实体与关系提取：基于语言模型（如Gemini 2.0 Flash）和DSPy签名，分两步提取主谓宾三元组，确保实体一致性；
   • 聚合：收集所有源文本的实体和边，标准化为小写以减少冗余；
   • 实体与边消歧：结合S-BERT嵌入聚类、BM25语义检索和LLM去重，合并同义实体和等价关系，生成简洁通用的图谱。
3. 评估基准MINE：包含两个任务——MINE-1（评估短文本信息保留率）和MINE-2（评估大规模文本的RAG性能），同时在SemEval-2010人工标注数据集上验证实体提取准确性。
4. 实验结果：
   • KGGen在MINE-1上平均得分66.07%，显著优于GraphRAG（47.80%）和OpenIE（29.84%）；
   • MINE