💡
原文中文，约8000字，阅读约需19分钟。
📝
内容提要
大众点评技术部的BlackPearl团队在KDD 2024 OAG-Challenge Cup赛道中以大模型解决了学术知识图谱挖掘问题，包括论文同名消歧、论文源头追溯和学术论文问答。他们采用了自反馈增强的迭代式大模型文本聚类、Grafting-Learning技术和Automatic RAG & Feature Engineering技术等方法，取得了显著的优势。这些解决方案对于学术数据挖掘的发展具有重要意义。
🎯
关键要点
- 大众点评技术部的BlackPearl团队在KDD 2024 OAG-Challenge Cup赛道中取得了全部赛题的冠军。
- 学术数据挖掘的目标是加深对科学发展的理解，支持政策制定和知识获取。
- KDD 2024 OAG-Challenge Cup包括论文同名消歧、论文源头追溯和学术论文问答三道赛题。
- 论文同名消歧任务要求开发模型检测错误分配给作者的论文，面临样本数量多和信息量大的挑战。
- BlackPearl团队将聚类任务转化为比较任务，采用自反馈增强的迭代式大模型文本聚类方法。
- 论文源头追溯任务要求从给定论文中找出最重要的参考文献，面临数据集标签分布差异和冗长标识符的挑战。
- 团队利用嫁接学习技术提高样本置信度，并提出Automatic RAG & Feature Engineering技术自动召回辅助信息。
- 学术论文问答任务要求检索相关论文回答专业问题，面临数据噪声大的挑战。
- 团队采用LLM进行向量表征，提出困难负样本挖掘和Boosting迭代方法提升模型性能。
- BlackPearl团队通过大模型技术解决多个学术挖掘问题，展示了前沿科技的力量。
➡️
