在人工智能领域，知识图谱（KG）的构建始终是研究重点，尤其在需要深度知识推理的检索增强生成（RAG）场景中。传统的知识图谱提取方法多采用提示驱动模式，但在处理大规模语料时效率偏低，且容易造成信息遗漏。为突破这些瓶颈，研究人员提出了SynthKG——一种基于大型语言模型（LLM）的多步骤、文档级、无需本体的知识图谱合成工作流。进一步地，通过在合成的文档-KG数据对上微调较小规模的LLM，他们将多步骤流程压缩为单步KG生成方法，并命名为Distill-SynthKG。这使得LLM的推理调用次数大幅降低。
主要贡献
- 提出SynthKG：设计了一套创新的LLM驱动工作流，能够生成高质量、高覆盖率的文档级知识图谱，且无需预设本体。
- 开发Distill-SynthKG：利用SynthKG合成的训练数据微调更小的LLM，将多步骤推理浓缩为单步，显著减少对LLM调用的依赖。
- 构建专用KG评估数据集：通过改造现有多跳问答数据集，并引入全新评估指标，打造了一个专用于知识图谱评测的基准。
- 引入新型图检索方法：提出一种基于图结构的检索策略，充分利用Distill-SynthKG生成的知识图谱进行信息抽取。
- 实验验证：在多个数据集上的结果表明，Distill-SynthKG在知识图谱质量上全面超越所有基准模型（最高提升八倍），并在检索和问答任务中始终保持领先。
方法概述
SynthKG的工作流程如下：首先，将输入文档切分为语义完整且大小可控的文本块。随后对每个文本块执行去上下文化处理——在此步骤中，基于前文上下文完成实体消歧，使每个数据块成为独立自包含的单元。接着，通过提示LLM从各个文本块中抽取实体、关系及对应命题，最终将这些要素组合成完整知识图谱。最后，微调更小的Distill-SynthKG LLM，使其能够在单个推理步骤中为给定文档直接生成知识图谱。
实验与结果
研究人员在多个数据集上对Distill-SynthKG进行了全面评估，结果显示其在知识图谱覆盖率、检索准确率以及问答性能方面均显著优于其他模型。尤其在多跳问答任务中，Distill-SynthKG表现极为出色，充分证明了其在RAG应用中的巨大潜力。
结论
Distill-SynthKG将多步骤的知识图谱构建过程精简为单步推理，既提升了效率，又确保了高质量的知识图谱产出。该方法为大规模、无本体的知识图谱构建提供了可扩展的解决方案，对RAG任务具有重要应用价值。值得一提的是，研究团队已公开SynthKG数据集与Distill-SynthKG模型，旨在支持后续研究与开发，推动知识图谱合成领域持续进步。