知识图谱的实体识别和关系抽取模型

Question

老师，为什么没有讲知识图谱的实体识别和关系抽取模型，这一块内容有什么参考的代码或者课程资料吗？

Answer 1

阿基米口 2025-06-12 21:53:45

现在的知识图谱实体和关系识别，基本上是利用LLM的能力+prompt提示词，但是一般是损耗非常多的token。

可以参考下比较lightRAG， LightRAG/lightrag/prompt.py at main · HKUDS/LightRAG (github.com)

• 提问者 Lele_yao_jABEL6 #1

  老师我看有的文献里用的模型是BiLSTM+CRF，如果我有发文章需求的话，我该走哪个技术路线啊

• 阿基米口 回复 提问者 Lele_yao_jABEL6 #2

  BiLSTM+CRF当前算是比较传统的深度学习的算法，如果是特定领域的问题，可以拿这个领域的数据来专门的微调和训练，这种可能就比较有局限性，泛化能力一般都比较局限你的训练数据。如果是要发文章，传统的深度学习的算法可能不是一个好方向。发文章一般讲究创新性：（1）新意度：使用特别的方法（比如BiLSTM+CRF就是一个已知的算法组合）（2）有效：产生特别好的结果(精度效果，效率，资源使用，成本，安全性) （比如你的算法可以有简单又高效，也可以针对一个全新的领域）（3）领域研究：是一个新的领域还是已有领域，解决的问题大小。  如果是知识图谱领域，建议可以从阅读论文开始，找一个你研究的特定领域（加入一些领域的知识特点）+ LLM（推理等等），来从上面创新的三点来看看有什么当前没有很好解决的问题（比如多跳问题，KG如何结合语义检索，多模态图检索、知识图推理），找一找突破点。 对于技术路线，还是要看你专注的领域，可以提供更详细的信息，比如专业，可以再交流下 。可以多多利用现在大模型工具，将你的疑问问出来，加油！