【UIUC韩家炜】借助大型语言模型实现主题特定知识库的自动构建，35页ppt

知识库可以有不同的种类。除了像维基百科这样受欢迎的通用知识库，另一端非常有用的种类可能是领域和应用特定的，例如针对单一主题（如俄罗斯-乌克兰战争、电动汽车电池或LLM）。依赖劳动密集型的人工注释来构建这样的知识库是不切实际的。LLM为我们带来了自动构建此类KB的巨大希望，因为它们是从大量文本中自我训练的，可以作为“隐式”的通用知识库，加上维基百科和本体论可能为我们提供一个良好的起点。我们提出了使用LLM开发此类主题特定知识库的愿景，包括查找主题特定文档、主题发现、分类结构构建、分类指导信息和知识库构建。希望这次演讲可以激发更多关于这一工作方向的讨论。

韩家炜是伊利诺伊大学厄巴纳-香槟分校计算机科学系的Michael Aiken讲席教授。他获得了ACM SIGKDD创新奖（2004年）、IEEE计算机学会技术成就奖（2005年）、IEEE计算机学会W. Wallace McDowell奖（2009年）、日本Funai成就奖（2018年），并在2022年被提升为加拿大皇家学会Fellow。他是ACM和IEEE的Fellow，并在2009-2016年担任由美国陆军研究实验室的网络科学-协作技术联盟(NS-CTA)项目支持的信息网络学术研究中心(INARC)的主任，以及在2014-2019年由NIH大数据至知识(BD2K)倡议资助的KnowEnG，大数据计算卓越中心的联席主任。目前，他正在为两个由NSF资助的研究中心的执行委员会服务：MMLI (分子制造研究所)——自2020年起是NSF资助的全国AI中心之一，以及I-Guide——自2021年起的国家科学基金会(NSF)地理空间理解通过综合发现环境研究所(I-GUIDE)。