1. 项目概述
这篇发表在EMNLP 2025的论文提出了一种名为CoDe-KG的创新框架,旨在解决当前知识图谱构建过程中的几个关键痛点。作为一名长期从事NLP和知识图谱研究的从业者,我认为这项工作的价值在于它系统性地解决了学术文本处理中的三大难题:共指消解、句子复杂度分析和关系抽取。
在生物医学领域,我们经常遇到这样的句子:"该药物通过抑制TNF-α的活性来减轻炎症反应,但它也可能导致肝功能异常,这种副作用在临床试验中已被观察到。"这类句子包含了多个医学实体、复杂句法结构和前后指代,传统方法很难准确抽取其中的知识。CoDe-KG框架的创新之处在于将语言学理论与大语言模型相结合,通过结构化处理流程提升了知识抽取的准确率。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心方法解析
2.1 框架整体架构
CoDe-KG采用四级流水线设计,每个环节都针对特定问题进行了优化:
-
共指消解模块:使用混合提示策略处理医学文献中的指代现象。在实践中,我们发现生物医学文本的共指关系比通用领域更复杂,比如"该药物"可能指向前文提到的化学名称(如"阿达木单抗"),也可能是类属概念(如"TNF-α抑制剂")。
-
句子分类器:基于Transformer的模型将句子分为五类:
- 简单句(Single):"阿司匹林缓解疼痛。"
- 复合句(Complex):"当患者服用阿司匹林时,胃部可能不适。"
- 并列句(Compound):"阿司匹林缓解疼痛,但对胃部有刺激。"
- 并列复合句(Compound-Complex):"当患者服用阿司匹林时,疼痛得到缓解,但胃部可能出现不适,这种情况在老年患者中更常见。"
- 不完整句(Fragment):"特别是老年患者。"
-
句子转换器:针对不同句类采用特定的Prompt-Model组合。例如,对于复合句会使用"请将这个医学句子拆分为多个简单句,保持所有医学实体的完整性"这样的提示词。
-
关系抽取模块:采用改进的REBEL算法,在简化后的句子上进行三元组抽取。
2.2 Hybrid CoT + FICL提示策略
论文提出的混合提示方法结合了两种主流技术:
- Chain-of-Thought (CoT):引导模型展示推理过程。例如:
"请分析这个句子
