iText2KG：显著降低LLM构建知识图谱时的幻觉现象

主要观点总结

本文介绍了借助大型语言模型实现知识图谱的增量构建的方法，提出iText2KG系统。文章详细描述了iText2KG的四个主要模块：文档蒸馏器、增量实体提取器、增量关系提取器和图集成器，并给出了各模块的效果评估。此外，文章还介绍了该系统的实际应用场景，如科学文章、网站和简历的知识图谱转化。最后，文章提供了阈值估计和整体效果评估。

关键观点总结

关键观点1: 知识图谱构建存在的问题

传统的知识图谱构建方法依赖于预定义的实体和关系，或者依赖特定的本体，并且大多依赖监督学习方法，需要大量的人工标注。近期的研究开始利用大型语言模型的少样本学习能力，但仍然存在未解决和语义重复的实体及关系问题，导致构建的图谱出现不一致的情况，需要大量的后期处理。

关键观点2: iText2KG系统的特点

iText2KG系统是一种无需后处理的增量、主题无关的知识图谱构建方法。它包含文档提取、增量实体与关系提取及图谱集成与可视化四大模块，适用于多种场景，如科学论文、网站和简历的图谱转换。

关键观点3: iText2KG系统的效果评估

在实验中，iText2KG系统表现出优秀的性能，特别是在模式一致性和信息一致性方面。此外，增量实体提取器和增量关系提取器也展现出了高效的性能。