CORE-KG内部：评估知识图谱的结构提示和共指解析

于红博

摘要: 人类走私网络越来越具有适应性，难以分析。法律案件文件提供了关键的见解，但往往结构不清晰，词汇密集，并充满模糊或变化的引用，这给自动知识图谱（KG）构建带来了重大挑战。虽然最近基于LLM的方法在静态模板上有所改进，但由于缺乏引导提取和指代消解，它们仍生成嘈杂、碎片化的图形，存在重复节点。最近提出的CORE-KG框架通过整合类型感知的指代模块和领域引导的结构化提示，显著减少了节点重复和法律噪音。在这项工作中，我们对CORE-KG进行了系统的消融研究，以量化其两个关键组成部分的个体贡献。我们的结果显示，去除指代消解导致节点重复增加了28.32%，噪音节点增加了4.32%，而去除结构化提示导致节点重复增加了4.34%，噪音节点增加了73.33%。这些发现为设计从复杂法律文本中提取结构化表示的强大LLM-based管道提供了经验见解。

更新时间: 2025-10-30 14:05:55

领域: cs.CL,cs.AI,cs.IR,cs.LG

下载: http://arxiv.org/abs/2510.26512v1