摘要

本文介绍了一种名为Graphusion的新型零样本知识图谱构建（KGC）框架，该框架利用大型语言模型（LLMs）从自由文本中构建科学知识图谱。Graphusion的核心融合模块提供了三元组的全局视图，包括实体合并、冲突解决和新三元组发现。文章展示了Graphusion在自然语言处理（NLP）教育领域的应用，并通过TutorQA基准测试验证了其性能，该基准包含六个任务和1200个专家验证的QA对。评估结果显示，Graphusion在链接预测任务上的准确性超过了监督基线模型高达10%，并在实体提取和关系识别的人类评估中分别获得了2.92和2.37的平均分（满分为3分）。

原理

Graphusion框架的工作原理主要分为三个步骤：种子概念生成（S1）、候选三元组提取（S2）和知识图谱融合（S3）。首先，通过LLMs在零样本设置下从自由文本中提取领域特定概念作为种子概念。然后，基于这些种子概念，从自由文本中提取候选三元组。最后，通过融合模块对提取的三元组进行全局合并和冲突解决，生成一个全面的知识图谱。这一过程不仅利用了LLMs的强大零样本能力，还通过全局视角考虑了更广泛的上下文和关系，从而构建出更准确和全面的知识图谱。

流程

Graphusion的工作流程如下：

1. 种子概念生成（S1）：使用LLMs从科学领域的自由文本数据中提取代表性概念作为种子概念。
2. 候选三元组提取（S2）：基于种子概念，从自由文本中提取包含这些概念的候选三元组。
3. 知识图谱融合（S3）：对提取的候选三元组进行实体合并、冲突解决和新的三元组推理，生成一个全局视角的知识图谱。

例如，在NLP领域，Graphusion可以从文本中提取出“神经机器翻译”和“统计机器翻译”等概念，并通过融合模块确定它们之间的关系，如“神经机器翻译”是“统计机器翻译”的子类型。

应用

Graphusion框架在NLP教育领域展示了其强大的应用潜力，特别是在问答系统（QA）中。通过构建和利用知识图谱，Graphusion能够提供更精确和相关的答案，帮助学生更好地理解复杂的概念关系。此外，该框架还可以扩展到其他科学领域，如医学、法律等，为这些领域的知识管理和问答系统提供支持。随着LLMs技术的进一步发展，Graphusion有望在自动知识图谱构建和知识服务领域发挥更大的作用。