ProgGen: Schritt-für-Schritt Erstellung von Datensätzen für die Erkennung benannter Entitäten mit selbstreflexiven großen Sprachmodellen

Obwohl große Sprachmodelle (LLMs) eine bemerkenswerte Anpassungsfähigkeit über verschiedene Bereiche hinweg zeigen, sind diese Modelle oft unzureichend bei strukturierten Wissensextraktionsaufgaben wie der Erkennung benannter Entitäten (NER). Dieses Papier untersucht eine innovative, kostengünstige Strategie zur Nutzung von LLMs mit bescheidenen NER-Fähigkeiten zur Erstellung überlegener NER-Datensätze. Unser Ansatz weicht von den grundlegenden klassenspezifischen Anweisungen ab, indem er die LLMs anweist, über den spezifischen Bereich nachzudenken und damit bereichsrelevante Attribute zu generieren (wie Kategorie und Emotionen für Filmkritiken), die zur Erstellung von attributreichen Trainingsdaten verwendet werden. Darüber hinaus generieren wir vorab Entitätstermine und entwickeln dann NER-Kontextdaten um diese Entitäten, wodurch wir die Herausforderungen der LLMs mit komplexen Strukturen effektiv umgehen. Unsere Experimente in allgemeinen und Nischenbereichen zeigen signifikante Leistungsverbesserungen im Vergleich zu herkömmlichen Datengenerierungsmethoden, während sie kosteneffektiver sind als bestehende Alternativen.