m0_60110713的博客

基于文本的训练很大程度上取决于数据的质量和丰富性，通过文本提示大模型可以生成数据结构去丰富知识图谱的内容，但是需要大量的计算资源。为了解决这一问题，我们引入一个成为KGC约束提示框架，设计使用不同的数据集以增强语义丰富度，采用上下文约束的策略来识别数据集的多义实体。

大多数的知识都是非结构化的，直接访问有价值信息会变得困难，因此自动构建知识图谱对于构建数据并直接访问至关重要。传统的NLP方法例如实体命名识别和关系提取是信息检索的关键，但需要预定义实体类型和监督学习；当前大模型可以使用零样本学习和小样本学习，然而未解决实体和关系的语义重复问题。本文提出方法，包括四个模块：文档蒸馏器、增量实体提取器、增量关系提取器、图集成器和可视化可以实现广泛的知识图谱构建场景。