《SAC-KG: Exploiting Large Language Models as Skilled Automatic Constructors for Domain Know》论文综述

问题：如何用大模型自动化的生成知识图谱。
解：考虑在提示词上下功夫。提示词的生成基于现有的知识图谱。同时生成的结果会经过人工设计的规则进行过滤和筛选。

综述：基于大规模语言模型的领域知识图谱自动构建框架（SAC-KG）

摘要

知识图谱（KG）在专业领域的知识密集型任务中扮演着至关重要的角色。然而，现有的KG构建方法高度依赖人工干预，严重限制了其在实际应用中的可行性。为了解决这一挑战，本文提出了一种名为SAC-KG的通用KG构建框架，利用大规模语言模型（LLM）作为领域专家自动生成精确的多层级KG。实验结果表明，SAC-KG能够自动构建超过百万节点规模的领域KG，并且达到了89.32%的精度，比现有最先进方法提高了超过20%。

引言

近年来，KG已成功应用于多个领域，如医学、生物学和社会网络等。尽管如此，构建领域KG需要广泛的专业知识和人工干预，这极大地限制了其实用性。为此，研究人员提出了多种KG构建方法，包括基于逻辑规则的方法和基于LLM的方法。尽管LLM方法表现出色，但它们也面临输入上下文噪声和输出知识幻觉的问题，影响了其性能和部署。

SAC-KG框架

SAC-KG通过三个主要组件——生成器（Generator）、验证器（Verifier）和剪枝器（Pru