1. 动机

当前从海量非结构化文本中自动构建高质量知识图谱（KG）依然是一个长期且尚未完全解决的难题，现有的KG构建流程并未真正实现自动化，不仅需要大量人工设计提示词，还依赖人工清洗噪声文本，整个流程分散、难以形成统一的端到端框架。同时，非结构化文本，尤其是科研领域如生物医学文献，其句子往往极长、结构复杂，包含多从句、多谓语以及频繁出现的指代现象，使得大语言模型（LLM）在解析时容易出现理解偏差，导致三元组抽取不完整或出现错误关系。此外，许多现有研究忽视了“句子复杂度”对模型抽取能力的关键影响，而句子结构类型（如简单句、复合句、复杂句或并列复合句）在很大程度上决定了 LLM 的推理与关系识别难度。与此同时，科研文本中普遍存在的共指指代现象，例如“它”、“这种机制”、“该药物”等常常指向前文实体，如果不进行准确的共指消解，模型会在实体识别与关系抽取阶段发生偏差，从而显著降低构建 KG 的整体质量。因此，论文提出针对这些挑战构建真正的端到端、自动化的知识图谱构建框架。我们认为，建模并将这些复杂句子类型转换为更简单的形式，能够使LLM更有效地进行解释，特别是对于结构化信息提取。

2. 贡献

本文的主要贡献有：

(1)引入了CoDe-KG统一自动化知识图谱构建框架，用于关系抽取（RE）和知识图谱构建，该框架借鉴了语言学理论和语义分析。

(2)提出了Hybrid CoT + FICL的混合提示策略，将链式思维(CoT)与小样例提示(FICL)结合，在句子简化任务中实现了很高的准确率。

(3)创新性地提出了“句子复杂度语义建模”方法，将学术文本的句子划分为简单句、复合句、并列句、并列复合句以及不完整句，并依据不同句法结构自动匹配最优的提示模式与模型组合。

3. 方法

在本研究中，我们提出了一种自动化的知识图谱创建流程CoDe-KG，用于从摘要中创建知识图谱。如图1所示，我们的方法包括四个关键阶段：执行共指消解、句子分类、句子转换和关系抽取（RE）。

图1 总体框架图

(1)执行共指消解：通过专家标注与多组提示词—模型组合的系统比较，筛选出最优配置，用于处理医学文献中大量存在的指代现象，以避免实体错配、三元组缺失以及错误关系的级联传播。

(2)句子分类：系统对每个句子进行句子复杂度分类，将其划分为五类句法类型，并为后续选择最合适的简化策略提供依据。

(3)句子转换：对于复合句、并列句及并列复合句，系统会根据句法类型自动匹配最优的Prompt–Model组合实现句子简化

关系抽取（RE）：系统对所有原始简单句以及简化后的句子执行关系抽取，生成三元组，并在REBEL、WebNLG、Wiki-NRE与CaRB 等基准上进行验证，最终累计构建出超过150,000条结构化三元组，用于生成高质量的知识图谱。

4. 实验

实验1：共指消解结果

我们在我们的基准上评估了几个大型语言模型。大多数模型的结果都很差。表1列出了执行共指消解的模型的F1得分，并以ChatGPT o4-mini-high和ChatGPT-4.5的响应作为基线进行基准测试。ChatGPT o4- mini-high总体表现最佳，使用FICL提示时的F1约为63%。我们用粗体标出了最佳开源模型，它与此任务的闭源模型相当。

表1：各模型F1分数比较

实验2：句法句子分类

我们在训练集上微调了六个基于Transformer的模型和两个较小的LLM，并在测试集上评估了它们，表2报告了每个模型的测试准确率和宏平均 F1，我们使用 GPT-4o 模型评估了整个测试集。

表2：句子类型分类结果（训练集：2,00句；测试集：5,269句）

实验3：评估提示策略和语义转换

我们从复杂句、并列句和并列复杂句类别中分别随机抽取300个句子，并将它们翻译成简单句。这些300个的样本量在其各自的总体中实现了95%的置信度，误差范围分别为±5.62%、±5.57%和±5.26%。我们测试了表现最佳的模型，并评估了它们在不同提示策略上的性能。

表3：模型在复合句到简单句转换上的性能

表4：模型在将复杂句转换为简单句时的性能

表5：模型在复合-复杂句到简单句转换上的性能

由于简单句的总数超过177,000，我们使用了精心设计的COT + FICL提示，因为数据显示它表现最佳。注释者AB和CD研究了从每个被测试模型生成的100个句子，并达成一致意见，即Mixtral-8x7B-Instruct-v0.1模型表现良好，在解简单句中的关系方面准确率达到99%，其中还包括捕捉文本中的多种关系。

5. 总结

论文的研究结果表明，将句子复杂度建模与大语言模型结合，可以显著增强知识图谱构建中的三元组抽取能力，尤其在结构复杂的学术与生物医学文本中，结构化输入能有效提升模型的理解与推理表现。通过CoDe-KG框架，作者实现了一个真正意义上的端到端自动化知识图谱构建流程，涵盖共指消解、句子结构分类、句子简化、三元组抽取与图谱构建等关键步骤，并已完整开源供研究与应用使用。研究同时验证了Hybrid CoT + FICL是句子简化任务的最优提示策略，可获得很高的的精确匹配率。此外，作者也指出未来的改进方向，包括进一步提高共指消解能力、探索弱监督条件下的模型微调策略，以及提升框架在更多领域中的迁移适配性，以推动自动化知识图谱构建的广泛应用。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】