ReaORE：大型推理模型支持的推理引导渐进式开放关系提取

开放关系提取 (OpenRE) 需要一个模型来从非结构化文本中提取头实体和尾实体之间不可见的关系，以用于实际应用。 OpenRE 的核心挑战在于实现对未见过的关系类型的可靠泛化。当前的 OpenRE 方法要么采用无法生成关系标签且泛化性较差的聚类技术，要么依赖通过 大语言模型 (LLM) 直接生成关系标签，但缺乏足够的判别能力来区分容易混淆的关系。为了解决这些限制，我们提出了推理引导的渐进式 OpenRE (ReaORE)，这是一个通过从粗到细的关系推理来执行关系提取的框架。具体来说，ReaORE由两个关键阶段组成：（i）关系过滤，通过多方面推理来理解关系和实例，产生初始关系集，并通过基于嵌入的相似性进一步补充和过滤关系，以确保包含目标关系； (ii)关系预测，旨在通过细粒度的比较推理从上述集合中预测目标关系，以更好地区分容易混淆的关系。对两个广泛使用的 OpenRE 数据集进行的大量实验表明，ReaORE 的性能优于现有基线。