论文
从个人知识图的“字符串”到“事物”：评估推荐系统的 LLM 三重提取
From "Strings" to "Things" for Personal Knowledge Graphs: Evaluating LLM Triple Extraction for Recommendation Systems
摘要
个人知识图（PKG）为用户偏好建模提供了一个隐私保护框架，但从非结构化、去中心化的对话数据构建它们仍然是一个挑战。本文通过提出一种使用轻量级 大语言模型 提取结构化用户偏好三元组的可重复管道，弥合了会话“字符串”和语义“事物”之间的差距。我们评估基于 Qwen 和 Gemma 的模型从对话数据中提取链接到 Wikidata 标识符的 RDF 兼容三元组以进行 PKG 构建的能力。我们的评估评估了下游推荐任务中语义提取的保真度和结果图的实用性。我们发现某些模型表现良好，并且相对于其三重提取性能具有较高的下游性能。