Graphusion: фреймворк RAG для построения научных графов знаний с глобальной перспективой

Graphusion: A RAG Framework for Scientific Knowledge Graph Construction with a Global Perspective
Jinghui Lu, Rui Yang, Irene Li, Tianwei She, Freddy Lécué, Xinjie Zhao, Boming Yang, Sixun Ouyang, Aosong Feng, Yuang Jiang, Moritz Blum, Fan Gao
2025-05-08

Graphusionбенчмарк TutorQAглобальное слияние знанийпостроение графов знанийгенерация с дополнением поиска
Графы знаний (KG) играют ключевую роль в искусственном интеллекте и широко применяются в последующих задачах, таких как ответы на вопросы (QA). Построение KG обычно требует значительных усилий со стороны экспертов предметной области. В последнее время для построения графов знаний (KGC) начали использоваться большие языковые модели (LLM). Однако большинство существующих подходов ориентировано на локальную перспективу: из отдельных предложений или документов извлекаются триплеты знаний, но отсутствует процесс слияния, позволяющий объединять знания в глобальном KG. В данной работе представлен Graphusion — безэталонный фреймворк KGC для неструктурированного текста. Он включает три этапа: на первом этапе с помощью тематического моделирования извлекается список исходных сущностей, который направляет построение итогового KG на включение наиболее релевантных сущностей; на втором этапе с использованием LLM извлекаются кандидатные триплеты; на третьем этапе разработан новый модуль слияния, обеспечивающий глобальное представление извлечённых знаний за счёт объединения сущностей, разрешения конфликтов и обнаружения новых триплетов. Результаты показывают, что Graphusion получает оценки 2,92 и 2,37 из 3 за извлечение сущностей и распознавание отношений соответственно. Кроме того, продемонстрировано применение Graphusion в области обработки естественного языка (NLP) и проведена его валидация в образовательном сценарии. В частности, представлен TutorQA — новый экспертно верифицированный бенчмарк для ответов на вопросы, включающий шесть задач и в общей сложности 1 200 пар «вопрос–ответ». Использование KG, построенного с помощью Graphusion, обеспечивает значимое улучшение результатов на этом бенчмарке, включая повышение точности на 9,2% в задаче дополнения подграфов.
1
Граф знаний, построенный с помощью Graphusion, повышает результаты на бенчмарке, включая улучшение точности на 9,2% в задаче дополнения подграфов.
2
Graphusion достигает оценок 2,92 из 3 для извлечения сущностей и 2,37 из 3 для распознавания отношений.
3
Graphusion — это безнулевой фреймворк для построения графов знаний из свободного текста, включающий извлечение начальных сущностей, выделение триплетов с помощью LLM и глобальное слияние знаний.
4
Модуль слияния обеспечивает глобальную перспективу за счёт объединения сущностей, разрешения конфликтов и обнаружения новых триплетов в извлечённых знаниях.
5
Авторы представляют TutorQA — экспертно проверенный образовательный бенчмарк для ответов на вопросы, включающий шесть задач и 1 200 пар вопросов и ответов.

научные графы знаний, построенные из свободного текста с помощью Graphusion

глобальное слияние знаний при построении графов знаний, включая отбор начальных сущностей, объединение сущностей, разрешение конфликтов и обнаружение новых триплетов

Publication Details
Publication Date
2025-05-08
Journal
Publisher
ISSN
Cited by
25
Access Type
Author Information
Authors
Jinghui Lu
Rui Yang
Irene Li
Tianwei She
Freddy Lécué
Xinjie Zhao
Boming Yang
Sixun Ouyang
Aosong Feng
Yuang Jiang
Moritz Blum
Fan Gao
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%