KRPO Framework Migliora l'Estrazione di Triple Relazionali in Dominio Aperto con LLM

È stato introdotto un nuovo approccio chiamato Knowledge Restoration-driven Prompt Optimization (KRPO) per migliorare l'Estrazione di Triple Relazionali in Dominio Aperto (ORTE) utilizzando Large Language Models (LLM). ORTE mira a estrarre conoscenza strutturata senza fare affidamento su schemi di relazione predefiniti, e gli LLM hanno spostato questo processo verso un approccio guidato da prompt tramite apprendimento in contesto. Tuttavia, adattare l'estrazione basata su LLM a diversi scenari di dominio aperto presenta sfide. Le tecniche attuali dipendono da prompt statici e progettati manualmente, che non riescono a soddisfare l'ampia gamma di variazioni linguistiche e quadri contestuali, portando a triple non supportate e incongruenze. La mancanza di annotazioni di verità di base complica l'identificazione e la correzione di questi problemi. Inoltre, la generazione di relazioni in forma libera porta a forme di relazione non standard, mettendo a rischio l'integrità del grafo di conoscenza. KRPO affronta queste sfide offrendo un framework di adattamento del corpus target senza etichette. Questa ricerca mira a rafforzare l'affidabilità e la coerenza dell'estrazione di conoscenza in contesti di dominio aperto, con il documento accessibile su arXiv con identificatore 2601.15037v2, categorizzato come replace-cross.