個人知識圖譜

深度分析

以大型語言模型抽取三元組建構個人知識圖譜的研究與實驗

個人知識圖譜提供隱私友善的偏好建模方式，但從分散式對話資料建構仍具挑戰。本研究提出以輕量大型語言模型抽取RDF三元組，並以Wikidata識別碼對齊，形成可互操作的PKG。實驗顯示，部分模型在抽取精度與下游推薦效能上具比例性優勢。評估使用ReDial對話資料集，Gemma-12B Instruct在精度與召回上領先。