使用大型语言模型精炼 Wikidata 分类体系
Refining Wikidata Taxonomy using Large Language Models
AI总结：
针对 Wikidata 分类体系中的实例与类歧义、路径错误、循环和冗余问题，本文结合 LLM 零样本提示与图挖掘技术自动执行断链和合并，构建并评估了精炼版本 WiKC。
摘要：
由于其协作性质，Wikidata 已知具有复杂的分类体系，反复出现的问题包括实例与类之间的歧义、某些分类路径的不准确、循环的存在，以及类之间高度的冗余。手动清理该分类体系既耗时，又容易出现错误或主观决策。我们提出 WiKC，这是通过结合大型语言模型（LLM）与图挖掘技术自动清理后的新版本 Wikidata 分类体系。对分类体系执行的操作（例如切断链接或合并类）是在开源 LLM 上借助零样本提示完成的。我们从内在和外在两个角度评估精炼后分类体系的质量，其中外在评估基于一项实体类型标注任务，结果展示了 WiKC 的实际价值。
英文摘要：
Due to its collaborative nature, Wikidata is known to have a complex taxonomy, with recurrent issues like the ambiguity between instances and classes, the inaccuracy of some taxonomic paths, the presence of cycles, and the high level of redundancy across classes. Manual efforts to clean up this taxonomy are time-consuming and prone to errors or subjective decisions. We present WiKC, a new version of Wikidata taxonomy cleaned automatically using a combination of Large Language Models (LLMs) and graph mining techniques. Operations on the taxonomy, such as cutting links or merging classes, are performed with the help of zero-shot prompting on an open-source LLM. The quality of the refined taxonomy is evaluated from both intrinsic and extrinsic perspectives, on a task of entity typing for the latter, showing the practical interest of WiKC.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
