大规模语言模型驱动的场景化知识图谱构建研究
程楠楠
魏璐露
江西科技学院 江西南昌 330098
摘要：针对传统知识抽取成本高,且现有医疗知识图谱在知识类型与表达能力受限的问题,文章提出利用大规模语言模型进行知识抽取,并构建场景化知识图谱,用于提升医疗知识图谱在实际应用中的适用性.具体而言,用大模型驱动场景化知识图谱的融合式构建思路,设计一种基于场景程序语言模板的Prompt,通过实验对比基准模型与传统文本Prompt的指标表现,并观察输入示例数量对数据指标的影响.结果显示,大语言模型在知识抽取方面F1指标较高,场景程序语言模板代码Prompt表现尤为突出,且随着输入示例的增加,三元组完整抽取的效果越好.
关键词：大规模语言模型场景化知识图谱知识抽取知识图谱构建Prompt
资助基金：江西省教育厅科学技术研究项目(GJJ2202609)
论文发表日期：2025-06-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 15-19 )