HeRE：基于大语言模型引导知识图谱对齐去噪的希伯来语关系抽取新基准

英文标题：HeRE: A Novel Benchmark for Hebrew Relation Extraction via LLM-Guided Denoising of Knowledge Graph Alignments

针对低资源语言缺乏标准化关系抽取（RE）基准的现状，该研究提出了面向希伯来语的关系抽取评测基准 HeRE。研究通过大语言模型引导知识图谱对齐去噪技术，有效克服了非英语语种原生标注数据稀缺与噪声大的难题。该基准填补了低资源语言在复杂结构化信息抽取评测方面的空白，为多语言 LLM 的能力评估与针对性优化提供了关键工具。

打开原文相关 2.4 · 机会 0

中文

HeRE：基于大语言模型引导知识图谱对齐去噪的希伯来语关系抽取新基准

论文编号：arXiv:2610.22542v1
公布类型：new

摘要

尽管大语言模型（LLM）在英语关系抽取（Relation Extraction, RE）任务中展现出了强大的能力，但在低资源语言中评估其关系抽取性能仍存在显著差距，其主要原因在于缺乏标准化的评测基准。为了解决为特定语言创建原生标注数据的难题，本研究提出了 HeRE——一个通过大语言模型引导的知识图谱对齐去噪方法构建的全新希伯来语关系抽取基准，旨在系统评估和提升大语言模型在多语言及低资源语言环境下的信息抽取能力。

HeRE：基于大语言模型引导知识图谱对齐去噪的希伯来语关系抽取新基准

中文

HeRE：基于大语言模型引导知识图谱对齐去噪的希伯来语关系抽取新基准

摘要

English / 原文

BibTeX formatted citation