大规模语言模型驱动的零样本关系学习

Created using ChatSlide

本次演讲探讨了基于大型语言模型（LLM）的零样本关系学习，主要着眼于知识图谱构建（KGC）中的挑战与策略。详细介绍了ROCKGC方法，将LLM与对比学习相结合，通过条件变分自编码器（VAE）提升关系描述的丰富性和独特性。结果显示，对比学习不仅提高了关系的区分度，还优化了邻居信息和对比损失，表现出优异的性能。该研究为教育和技术领域的从业者提供了新的工具和思路，旨在加强零样本学习的效果。