Core Concepts
人的計算ゲームを活用して、文書から抽出した知識グラフの明示的および暗示的な関係を修正・検証するフレームワークを提案する。
Abstract
本研究では、正確性が重要な分野(人身売買データ分析など)におけるLLMの活用を目的として、GAME-KGフレームワークを提案している。GAME-KGは、文書から抽出した知識グラフ(KG)の明示的および暗示的な関係を修正・検証するための手法である。
具体的には以下の6つのステップから構成される:
対象となる文書の収集
文書からのエンティティおよび関係の抽出
3a. 抽出した情報に基づくKGの構築
3b. LLMを用いてゲームのための物語を生成
修正が必要なKGの箇所の特定
ゲームにKGと物語を組み込む
ゲームプレイヤーからのフィードバックを収集し、KGを修正・検証する
2つの実証実験を通して、GAME-KGフレームワークの有効性を示している。
1つ目は、人身売買に関するDOJ報道資料からKGを抽出し、ゲーム「Dark Shadows」でプレイヤーにKGの修正を求めるものである。
2つ目は、修正前後のKGを用いてGPT-4に質問応答させ、KG修正の効果を確認するものである。
結果として、GAME-KGフレームワークが知識グラフの精度向上に効果的であり、LLMの応答を説明可能な形で補強できることが示された。
Stats
人身売買に関する法律「Mann Act」に違反したことが明示的に述べられている。
Kizer は州をまたいで被害者を輸送したことが述べられている。
Villaman はKizerの共犯者であることが述べられている。