论文浅尝 | 自提示方法实现大语言模型的零样本关系抽取（EMNLP2024）

笔记整理：郭浩文，东南大学硕士，研究方向为水下域专项知识图谱构建

论文链接：https://aclanthology.org/2024.findings-emnlp.769.pdf

发表会议：EMNLP 2024

1. 动机

近年来，LLM在自然语言处理领域取得了显著进展，特别是在zero-shot learning方面，零样本关系抽取的目标是无需通过大量的标注数据，从文本中识别实体之间的关系。利用zero-shot能力有利于减少人工标注成本和提高模型的泛化能力，但是尽管LLM在零样本关系抽取任务中表现出色，但现有方法仍存在一些问题。首先，缺乏详细的上下文提示（prompts），导致模型无法充分理解句子和关系的复杂性。而且由于样本多样性和覆盖范围不足，直接从LLMs生成的样本往往存在实体分布不均匀的问题。最后，现有方法未能充分利用LLMs自身的生成能力来创建针对特定关系的合成样本，导致模型在面对未见过的关系时表现不佳。

2. 贡献

****（1）提出了一种新的自我提示框架（****Self-Prompting framework）：该框架通过一个三阶段的多样化方法生成合成样本，这些样本包含特定的关系类型，并作为上下文示例（in-context demonstrations）来指导模型进行关系抽取。

（2）通过实验验证了该框架的有效性：在多个基准数据集上，该框架显著优于现有的基于LLMs的零样本RE方法。

（3）展示了合成样本生成策略的重要性：通过消融实验，证明了关系同义词生成、实体过滤和句子重述等策略对提升模型性能的重要作用。

3. 方法

自我提示框架（Self-Prompting framework）通过一个三阶段的多样化方法来生成合成样本，这些样本用于为大型语言模型（LLMs）提供更具体、更丰富的上下文指导，从而提升其在零样本关系抽取（Zero-shot Relation Extraction）任务中的表现。

图1 模型框架图

3.1 关系同义词生成（ Relation Synonyms Generation）

在关系抽取任务中，一个关系可能有多种表达方式。例如，"location"关系可以用"situated at"、"found within"或"residing at"等短语来表达。为了扩展关系的语义覆盖范围，认识到数据集的关系的广泛的概念，自我提示框架首先让LLMs为每个目标关系生成多个同义词（synonyms）。对于每个预定义的目标关系，框架提供关系的描述，以帮助LLM更好地理解关系的语义，接着根据关系描述生成一组同义词，这些同义词可以是单个词汇或者是短语，但是都必须与原始的关系语义保持一致，最后整合同义词，生成的同义词与原始关系一起构成一个语义群组（semantic group），用于后续sentence样本的生成，这一步的目的是为了确保模型能理解关系的多种表达方式。

3. 2 合成样本生成与实体过滤（Synthetic Sample Generation with Entity Filtering）

在生成了关系同义词后，框架利用这些同义词生成包含特定关系的合成样本。每个合成样本包含一个句子和对应的关系三元组（relation triple），例如：（实体1，关系，实体2）LLM根据语义群组生成包含一个关系的句子，并标关系三元组，为了避免生成的样本中实体分布不均匀（例如某些高频实体反复出现），框架引入了一个过滤机制。具体来说：移除包含高频实体的样本（实体出现次数超过设定阈值n/保留包含低频实体的样本，并更新这些实体的出现次数）这一步为了确保合成样本的多样性和平衡性。

3. 3 句子重述（Sentence Rephrase）

为了进一步增加合成样本的多样性，框架让LLM对生成的句子进行重述（rephrase），生成结构不同但语义相似的句子变体，将生成的句子及其关系三元组输入LLM，要求其根据输入生成多个语义相似但结构不同的重述版本，重述后的句子必须保留原始的关系，但是可以对句子结构和表达方式进行调整。这一步的目的是增加样本的语义多样性和语言复杂性。

3. 4 zero - shot推理阶段

在给定测试句子的推理阶段，论文的方法检索d个语义相似的样本作为上下文示例。使用句子嵌入模型对测试句子进行编码，并使用余弦相似度从生成的样本集中选择最相似的示例。为了有效地组织检索到的样本，使用了基于相似性分数的排名策略：kNN-augmented Example Selection（KATE）（Liu et al.， 2022a），从最低分到最高分排列样本。该方法将最相关的样本放置在最靠近测试句子的位置，从而优化上下文样本对 LLM 推理过程的影响，是模型更好的进行指令跟随。