Graphusion: Aproveitando Grandes Modelos de Linguagem para o Conhecimento Científico Fusão e Construção de Gráficos em Educação em PNL

Os gráficos de conhecimento (KGs) são cruciais no campo da inteligência artificial e são amplamente aplicados em tarefas subsequentes, como a melhoria de sistemas de Pergunta e Resposta (QA). A construção de KGs normalmente requer um esforço significativo de especialistas na área. Recentemente, Grandes Modelos de Linguagem (LLMs) têm sido usados para a construção de gráficos de conhecimento (KGC), no entanto, a maioria das abordagens existentes foca em uma perspectiva local, extraindo triplos de conhecimento de sentenças ou documentos individuais. Neste trabalho, apresentamos o Graphusion, uma estrutura KGC de zero-shot a partir de texto livre. O módulo de fusão central fornece uma visão global dos triplos, incorporando a fusão de entidades, resolução de conflitos e descoberta de triplos inovadores. Mostramos como o Graphusion poderia ser aplicado ao domínio do processamento de linguagem natural (PNL) e validamos em um cenário educacional. Especificamente, introduzimos o TutorQA, um novo benchmark verificado por especialistas para raciocínio em grafos e QA, composto por seis tarefas e um total de 1.200 pares de QA. Nossa avaliação demonstra que o Graphusion supera linhas de base supervisionadas em até 10% em precisão na previsão de links. Além disso, atinge médias de 2,92 e 2,37 de 3 em avaliações humanas para extração de entidades de conceito e reconhecimento de relação, respectivamente.