实体
KGGen: Extracting Knowledge Graphs from Plain Text with Language Models
KGGen: Extracting Knowledge Graphs from Plain Text with Language Models
PulseAugur coverage of KGGen: Extracting Knowledge Graphs from Plain Text with Language Models — every cluster mentioning KGGen: Extracting Knowledge Graphs from Plain Text with Language Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
关系
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Graph-RAG 通过知识图谱增强 LLM 的问题回答能力
研究人员开发了一种名为 Graph-RAG 的新方法，该方法利用知识图谱来提高大型语言模型 (LLM) 的问题回答能力，特别是在文化特定或代表性不足的信息方面。该方法通过将 LLM 的响应与外部知识图谱相结合来增强 LLM，与标准的检索增强生成 (RAG) 相比，提供了更好的控制和可解释性。在 LatamQA 数据集上的实验表明，Graph-RAG 显著减少了 LLM 的错误，并且随着知识图谱与任务的相关性提高，性能也随之提升。该系统…
-
新框架利用知识图谱进行零样本主题分类
研究人员开发了一种新的零样本多标签主题分类框架，旨在对文档进行分类，而无需标记的训练数据。该研究系统地评估了用从文档内容中提取的知识图谱增强文档的影响。结果表明，关键词增强是最有效的基线方法，而图谱增强对较小的模型有益，但可能会阻碍那些已经从预训练中获得大量关系知识的大型模型。