LINK-KG: 使用LLM驱动的指代消解知识图构建人口走私网络

于红博

摘要: 人类走私网络是复杂且不断发展的，这使得它们难以全面分析。法律案件文件提供了关于这些网络的丰富事实和程序性见解，但往往很长、结构不清晰，并且充满模糊或变化多端的引用，给自动知识图谱（KG）构建带来了重大挑战。现有方法要么忽视共指消解，要么无法扩展到短文本跨度之外，导致图谱分割和实体链接不一致。我们提出了LINK-KG，这是一个模块化框架，将三阶段、以LLM为指导的共指消解流水线与下游KG提取集成在一起。我们方法的核心是一种类型特定的提示缓存，它一贯跟踪并解决文档块之间的引用，从而使得可以从短文本和长法律文本中构建结构化知识图谱的清晰和明确的叙述。与基准方法相比，LINK-KG将平均节点重复率降低了45.21%，噪声节点降低了32.22%，从而产生更清晰、更连贯的图结构。这些改进将LINK-KG确立为分析复杂犯罪网络的坚实基础。

更新时间: 2025-10-30 13:39:08

领域: cs.AI,cs.IR,cs.LG

下载: http://arxiv.org/abs/2510.26486v1