阿拉伯语关系抽取新突破！集成系统拿下94.06分登顶，本体约束加QLoRA微调太能打！
U4RASD at KnowledgeGraphEval-2026: Ontology-Constrained Encoder and LLM Systems for Arabic Relation Extraction
📖 AI 总结
本文介绍了U4RASD团队参加KnowledgeGraphEval 2026子任务2阿拉伯语有向关系抽取的系统方案。研究针对阿拉伯语句子及主客体对，探索了基于编码器和基于大语言模型两类方法，用于在40种关系或无关系中做出预测。编码器系统采用类型化实体标记，并分离关系存在判断与关系分类两个预测头；大语言模型系统则对Yehia和Qwen3.5进行QLoRA微调，并引入本体约束预测。最终，由Yehia-RE、Qwen-RE和TypedPair组成的集成系统以94.06的micro-F1成绩在子任务2中排名第一，其中Yehia-RE（全词表）达到92.98，最佳编码器和Qwen-RE分别为92.69和91.94。结果表明，约束预测与互补建模策略对阿拉伯语关系抽取具有重要作用。
🔑 关键词速览
| 定向阿拉伯语关系抽取 | 从阿拉伯语句子中识别主客体对之间具有方向性的语义关系。 |
| 类型化实体标记 | 在输入文本中插入实体类型标记，以帮助编码器区分实体边界和类型。 |
| QLoRA | 一种参数高效微调技术，通过量化低秩适配器减少大模型微调的内存需求。 |
| 本体约束预测 | 利用本体知识限制模型输出空间，确保预测关系符合预定义的本体结构。 |
| 微F1分数 | 综合考虑所有类别的精确率和召回率的调和平均，适用于多分类关系抽取评估。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅