摘要
生物医学关系抽取(BioRE)旨在从文献中提取结构化知识。传统符号系统精度高但召回率低,而大语言模型(LLM)虽具备强上下文推理能力,却易产生假阳性预测。本研究提出ANCHOR-RE框架,将本体引导的推理、外部知识接地和数据驱动的验证规则整合至LLM推理过程中。在多个基准测试及2026年发表的新文献上,该方法显著提升了微F1分数和精度,且无需参数更新即可达到接近微调系统的性能,证明了神经符号推理能有效提升基于LLM的BioRE可靠性。
AI 推荐理由
论文核心在于利用神经符号推理机制增强LLM在生物医学关系抽取中的逻辑推理与验证能力。
研究机构
伊利诺伊大学厄巴纳-香槟分校信息科学学院
明尼苏达大学计算健康科学系,外科系
论文信息