LLMを用いて文脈情報を補完したサポート文書を生成し、グラフニューラルネットワークと組み合わせることで、従来の文レベルの関係抽出モデルの精度を向上させることができる。
関係抽出アルゴリズムは複雑なデータ特性に対して頑健ではなく、データ中心の分析が必要である。
大規模言語モデルを用いた関係抽出タスクにおいて、関連性の高い訓練例の検索と効果的な文脈推論を実現する新しい手法を提案する。
大規模言語モデルを活用し、関連する文章の検索と生成を組み合わせることで、効果的な関係抽出を実現する。
限られたトレーニングデータで性能を向上させるために、教師付きベースラインシステムのパフォーマンスを改善する方法に焦点を当てる。