新框架使用 LLM 来解释复杂的知识图谱规则

研究人员开发了 Rule2Text，一个旨在通过使用大型语言模型生成自然语言解释来使知识图谱规则更易于理解的框架。该框架在包括 Freebase 变体和 ogbl-biokg 在内的各种数据集上进行了测试，使用了 AMIE 3.5.1 挖掘的规则。该研究评估了多种 LLM 和提示策略，并结合了人类评估和 LLM 作为裁判的方法来评估解释的质量。表现最佳的模型 Gemini 2.0 Flash 被用于微调 Zephyr 模型，从而在解释的准确性和清晰度方面取得了显著的改进，尤其是在领域特定数据上。 AI

影响 增强了知识图谱规则的可解释性，可能提高了 AI 系统的透明度和可用性。

排序理由 该集群描述了一篇学术论文中提出的用于使用 LLM 生成知识图谱规则解释的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AMIE 3.5.1
• FB15K-237
• FB-CVT-REV
• Freebase
• Gemini 2.0 Flash
• Nasim Shirvani-Mahdavi
• ogbl-biokg
• Rule2Text
• Zephyr

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →