Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction

要約

この論文では、ナレッジ グラフ構築 (KGC) における大規模言語モデル (LLM) の従来の単独アプローチに挑戦する新しいフレームワークである CooperKGC を紹介します。
CooperKGC は共同処理ネットワークを確立し、エンティティ、関係、およびイベント抽出タスクに同時に対処できるチームを編成します。
実験では、CooperKGC 内でコラボレーションを促進すると、複数ラウンドの対話にわたって知識の選択、修正、および集約の機能が強化されることが実証されています。

要約(オリジナル)

This paper introduces CooperKGC, a novel framework challenging the conventional solitary approach of large language models (LLMs) in knowledge graph construction (KGC). CooperKGC establishes a collaborative processing network, assembling a team capable of concurrently addressing entity, relation, and event extraction tasks. Experimentation demonstrates that fostering collaboration within CooperKGC enhances knowledge selection, correction, and aggregation capabilities across multiple rounds of interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google