7 Temporal promting for large language models-based on entity linking

Tóm tắt

Các Mô hình Ngôn ngữ Lớn (LLMs) có khả năng nắm bắt ngữ cảnh ngữ nghĩa để thực hiện phân giải nghĩa chính xác, đã thúc đẩy đáng kể hiệu quả của Liên kết Thực thể (Entity Linking - EL). Tuy nhiên, các phương pháp hiện tại đôi khi gặp phải hiện tượng bỏ qua yếu tố thời gian, trong đó mô hình liên kết một đề cập với thực thể phổ biến hoặc gần đây nhất thay vì thực thể chính xác đúng thời điểm tham chiếu. Nghiên cứu này trình bày về việc tìm hiểu hệ thống về các kỹ thuật gợi ý theo thời gian cho EL dựa trên LLM. Nghiên cứu trên bốn cấp độ gợi ý thời gian khác nhau, từ các mẫu có cấu trúc cho đến các thiết lập thời gian ngầm định, và đánh giá ảnh hưởng của chúng đến độ chính xác theo thời gian. So với gợi ý cơ bản, nghiên cứu chứng minh rằng việc gợi ý thời gian rõ ràng có thể giảm các sai sót do bỏ qua các yếu tố về thời gian tới 40% sử dụng một tập dữ liệu về các đề cập nhạy cảm thời gian được liên kết với các bản chụp Wikidata. Kết quả nhấn mạnh tầm quan trọng của các tín hiệu thời gian có cấu trúc, đồng thời mở ra những hướng phát triển mới cho việc xây dựng các hệ thống EL bền vững về mặt thời gian mà không cần huấn luyện lại LLMs.