利用大型语言模型自动构建知识图谱

引言

随着大型语言模型（LLM）的兴起，关于知识图谱（Knowledge Graph, KG）是否会被取代的讨论层出不穷。事实上，两者处于不同的抽象层面：知识图谱是经过加工的结构化产品，可用于多种场景并反向提升大模型的准确性；而大模型既是生产知识图谱的工具，也能借助知识图谱增强自身的推理能力。

本文旨在探讨如何利用大型语言模型自动构建知识图谱，分析其技术难点、与 LLM 的对比关系，并综述现有的自动化构建方法。

构建知识图谱的挑战

传统知识图谱的构建主要依赖众包或文本挖掘，存在显著挑战：

成本高昂：需要人工定义本体、属性及关系，并进行大量校验和迭代。
领域限制：不同领域概念差异大，缺乏通用构建方法。例如服务计算领域需要整合分散且未注释的数据。
步骤繁琐：涉及共指消解、命名实体识别等复杂预处理步骤。
更新困难：维护成本高，难以实时反映新出现的知识。

这些痛点催生了利用 LLM 进行自动化构建的研究方向。LLM 具备强大的语言理解能力，能大幅降低对人工标注的依赖。

知识图谱与大型语言模型的比较

KG 和 LLM 均可作为知识库查询，但机制不同：KG 通过节点关联检索答案，LLM 则通过概率预测补全序列。

特性	知识图谱 (KG)	大型语言模型 (LLM)
知识来源	结构化数据，基于事实	训练语料，统计规律
推理能力	强，支持逻辑推导	弱，易产生幻觉
领域适应性	可针对特定领域定制	通用性强，但缺乏深度领域知识
更新频率	易于增量更新	需重新训练，成本高
可解释性	高，路径清晰	低，黑盒模型

尽管 LLM 拥有海量通用知识，但在回忆具体关系事实、数值计算及符号推理方面仍存在局限。此外，LLM 可能产生偏见、毒性内容或过时信息。因此，将两者结合是更优方案。

融合知识图谱与 LLM 的路径

目前主要有三种融合方式：

LLM 辅助自动构建：利用 LLM 从非结构化数据中提取三元组填充 KG。
KG 增强 LLM：利用 KG 检索结果指导 LLM 生成，减少幻觉。
知识图谱增强的预训练模型 (KGPLMs)：在训练阶段引入 KG 结构信息。

使用 LLM 进行自动知识图谱构建的方法

1. 早期生成式方法 (COMET)

2019 年提出的 COMET (Commonsense Transformers) 利用微调后的生成式 LLM（如 GPT）构建常识图谱。该方法给定头实体和关系，让模型生成尾实体。例如输入 "piece" 和 "PartOf"，模型可能输出 "machine"。生成的种子 - 关系 - 完成三元组经人类评估后可直接用于构建图谱。这种方法的优势在于能发现隐含的常识关系，但受限于模型本身的常识覆盖范围。

2. 基于 ChatGPT 的信息提取 (BEAR)

针对特定领域（如服务领域），研究者构建了 BEAR 项目，利用 ChatGPT 替代手动标注。流程如下：

本体定义：预先创建领域特定的概念和特征框架。
提示工程：设计 Prompt 引导 ChatGPT 从非结构化文本中提取符合本体定义的实体和关系。
合并验证：自动提取的信息被映射到本体中，形成初步图谱。

此方法显著降低了标注成本，但需注意 LLM 输出的稳定性，通常需引入规则过滤或人工抽检。

3. 半自动构建流程

Kommineni 等人提出了一种半自动方法，强化人类专家在关键节点的介入：

能力问题生成：提示 LLM 基于数据集生成抽象的能力问题 (Capability Questions, CQs)。
本体构建：再次利用 LLM 从 CQs 中提取概念和关系，形成本体论。
实体抽取与映射：从数据中检索 CQs 的答案，指示 LLM 提取关键实体、关系，并映射到本体上。

该流程中 LLM 扮演了更积极的角色，不仅负责提取，还参与本体的初步构建，人类专家则在两个阶段验证结果，平衡了效率与准确性。

4. 直接从 LLM 中获取知识

Hao 等人提出直接从 LLM 内部'挖掘'知识。过程包括：

初始提示：设定至少两个实体对。
文本释义：使用文本释义模型修改提示，增加多样性。
搜索与重排序：对 LLM 进行搜索，找到与提示对应的实体对，并通过重评分筛选最相关结果。

这种方法构建的图谱具有独特优势：

复杂关系：能捕捉如 "A 能够但不擅长 B" 这类细粒度关系。
多实体关系：支持涉及三个及以上实体的复杂事件描述。
可视化量化：提供了一种新的方式来量化 LLM 内部的知识分布。

实施建议与最佳实践

在实际应用中，利用 LLM 构建知识图谱需注意以下事项：

Prompt 优化：采用 Few-Shot Prompting 提供示例，明确输出格式（如 JSON 或 CSV），减少解析错误。
一致性校验：由于 LLM 具有随机性，需建立去重和冲突检测机制，确保同一实体在不同上下文中的一致性。
领域适配：对于专业领域，建议在通用 LLM 基础上进行指令微调 (Instruction Tuning)，注入领域术语和规则。
混合策略：结合传统 NLP 工具（如 spaCy、Stanford NER）与 LLM，前者处理基础实体识别，后者处理复杂关系推理，以降低成本并提高精度。

结论

知识图谱在关系捕捉和推理能力上表现优异，但构建成本高；LLM 知识广泛但存在幻觉和更新滞后问题。通过利用 LLM 辅助自动构建知识图谱，可以有效降低构建门槛并丰富图谱内容。

本文回顾了 COMET、BEAR、半自动构建及直接提取四种代表性方法。这些方法展示了结合两者优势以增强知识表示的巨大潜力。随着大模型技术的演进，未来知识图谱与大模型的深度融合将成为智能系统构建的核心基础设施，为垂直行业应用提供更精准、可解释的知识支撑。

未来的研究方向应关注如何进一步降低 LLM 在知识提取中的幻觉率，以及如何实现知识图谱的动态实时更新，以适应快速变化的现实世界数据。

利用大型语言模型自动构建知识图谱