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

要約

ナレッジ グラフ構築 (KGC) は、エンティティ、関係、イベントの抽出を含む多面的な作業です。
従来、大規模言語モデル (LLM) は、この複雑な状況において孤独なタスク解決エージェントとみなされてきました。
ただし、この論文では、新しいフレームワーク CooperKGC を導入することで、このパラダイムに挑戦します。
従来のアプローチから脱却し、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 KGC コラボレーション チームを編成します。
私たちの実験は、CooperKGC 内の多様なエージェント間のコラボレーションと情報の相互作用を促進すると、個別に動作する個々の認知プロセスと比較して優れた結果が得られることを明確に示しています。
重要なことに、私たちの調査結果は、CooperKGC によって促進されるコラボレーションにより、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を明らかにしています。

要約(オリジナル)

Knowledge graph construction (KGC) is a multifaceted undertaking involving the extraction of entities, relations, and events. Traditionally, large language models (LLMs) have been viewed as solitary task-solving agents in this complex landscape. However, this paper challenges this paradigm by introducing a novel framework, CooperKGC. Departing from the conventional approach, CooperKGC establishes a collaborative processing network, assembling a KGC collaboration team capable of concurrently addressing entity, relation, and event extraction tasks. Our experiments unequivocally demonstrate that fostering collaboration and information interaction among diverse agents within CooperKGC yields superior results compared to individual cognitive processes operating in isolation. Importantly, our findings reveal that the collaboration facilitated by 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