Text2NKG : Extraction de relations n-aires détaillées pour la construction de graphes de connaissances relationnels n-aires

Au-delà des faits relationnels binaires traditionnels, les graphes de connaissances relationnels n-aires (NKGs) sont composés de faits relationnels n-aires contenant plus de deux entités, ce qui les rend plus proches des faits du monde réel avec des applications plus larges. Cependant, la construction des NKGs reste à un niveau grossier, toujours dans un seul schéma, ignorant l'ordre et l'arité variable des entités. Pour remédier à ces limitations, nous proposons Text2NKG, un cadre novateur d'extraction de relations n-aires à grain fin pour la construction de graphes de connaissances relationnels n-aires. Nous introduisons une approche de classification de span-tuples avec fusion hétéro-ordonnée et fusion de sortie pour réaliser l'extraction de relations n-aires à grain fin dans différentes arités. De plus, Text2NKG prend en charge quatre schémas NKG typiques : le schéma hyper-relationnel, le schéma basé sur les événements, le schéma basé sur les rôles et le schéma basé sur les hypergraphes, offrant une grande flexibilité et praticité. Les résultats expérimentaux montrent que Text2NKG atteint des performances d'état de l'art en termes de scores F1 sur le banc d'essai d'extraction de relations n-aires à grain fin. Notre code et nos jeux de données sont librement accessibles au public.