编辑推荐：
为解决传统信息提取忽视时间维度、缺乏文档级时间关系标注数据集及相关方法的问题，研究人员开展文档级时间关系提取（DocTRE）相关研究。构建 Tem - DocRED 数据集，提出 LLM 框架，结果显示微调后的 LLMs 有一定效果，推动了 TKG 构建研究。
在当今信息爆炸的时代，知识图谱（KG）就像一座信息宝库，它能将各种知识以结构化的形式呈现，帮助人们快速理解和获取信息。然而，传统的知识图谱存在一个明显的缺陷，那就是在从文档中提取信息构建知识图谱时，往往忽视了一个关键因素 —— 时间。想象一下，一个历史事件的知识图谱，如果没有时间维度，就如同一个没有时间轴的历史故事，事件之间的先后顺序和发展脉络变得模糊不清，无法准确地展现真实世界的动态变化。这就好比拼图缺少了关键的时间板块，难以完整地呈现全貌。
随着研究的深入，人们逐渐意识到时间在知识图谱中的重要性。含时间维度的知识图谱，即时间知识图谱（TKG），成为了研究的新热点。TKG 能够通过时间维度，更丰富地展示真实世界，让人们对事件的发生和发展有更细致入微的理解。比如，在描述一个人的学术生涯时，不仅能知道他在哪些学校学习、发表了哪些成果，还能清楚这些事件发生的具体时间，这对于深入了解学术发展脉络至关重要。
但是，构建 TKG 面临着诸多挑战。一方面，传统的文档级关系提取（DocRE）方法只能提取静态的知识三元组，无法处理时间信息，难以适应 TKG 的构建需求。另一方面，目前缺乏专门用于文档级时间关系提取（DocTRE）的标注数据集，这使得相关研究进展缓慢。此外，现有的信息提取方法也无法同步提取带有时间信息的事实来构建 TKG。在这样的背景下，开展关于 DocTRE 和 TKG 构建的研究迫在眉睫。
为了解决这些问题，电子科技大学大数据研究中心以及成都联合大数据科技有限公司的研究人员展开了深入探索。他们提出了文档级时间关系提取（DocTRE）这一全新概念，致力于从文档中提取实体之间带有时间信息的关系。同时，构建了一个名为 Tem - DocRED 的全新数据集，还开发了一种基于大语言模型（LLMs）的框架，将 DocTRE 转化为序列到序列的生成任务，为 TKG 的构建提供了新的思路和方法。这项研究成果发表在《Scientific Data》上，引起了广泛关注。
研究人员在开展研究时，主要运用了以下关键技术方法：
- 数据集构建：基于 Re - DocRED 数据集，通过挖掘潜在的关系模式，将部分事实对组合成时间四元组。对于无法通过关系模式转换的三元组，则借助大语言模型（如 GPT - 3.5 和 GLM - 4）生成时间戳，并经过多轮筛选和人工标注，确保数据质量。
- 模型训练与评估：采用 LoRA（低秩适应）技术对主流开源大语言模型（如 Baichuan、ChatGLM2、Gemma、Llama2、Qwen 和 Yi 等）进行微调，将时间关系提取任务转化为序列到序列任务。通过精确率、召回率、F1 值等指标评估模型性能。
下面来看看具体的研究结果：
- Tem - DocRED 数据集：该数据集包含 2843 个文档和 15699 个时间四元组，分为训练集、验证集和测试集。数据集中共有 33 种不同的关系类型，其中 “established in the administrative territorial entity” 关系出现频率最高，“produced” 和 “separated from” 等关系出现频率较低。实体类型包括 Person（PER）、Time（TIME）、Location（LOC）、Number（NUM）、Miscellaneous（MISC）和 Organization（ORG），其中 LOC 和 TIME 实体数量较多。
- LLM 框架性能评估：实验结果显示，所有大语言模型在 Tem - DocRED 数据集上的表现都不太理想，主要原因是模型存在幻觉现象，难以准确捕捉每个事实的发生时间，还会生成错误或不完整的答案。不过，GLM - 4 和 Llama - 3 在众多模型中表现较为突出，在处理长文本时展现出更好的理解能力。在同一模型家族中，参数越多的模型性能往往越好。同时，研究发现不同模型在不同关系的事实上表现各异，语义结构简单、实体和时间戳在同一句子中的关系（如 “born in”），模型预测效果较好；而关系词复杂、上下文范围广的关系（如 “joined”），预测难度较大。此外，在 TKG 生成任务中，由于提及提取阶段可能遗漏部分实体信息，导致模型性能有所下降，但 GLM - 4 在处理实体方面表现出较强的稳健性。零样本推理实验中，大部分未微调的大语言模型表现不佳，GLM - 4 - 9B 和 Llama - 3 - 8B 相对较好，但召回率仍较低。
综合来看，这项研究意义重大。它提出的 DocTRE 任务打破了传统信息提取忽视时间维度的局限，为基于事件时间关系的推理奠定了基础，有助于大规模 TKG 的构建和扩展。Tem - DocRED 数据集填补了文档级时间关系基准数据的空白，为相关研究提供了重要的数据支持。基于 LLMs 的框架则为 TKG 的构建提供了新的范式，虽然目前存在一些局限性，如需要大量 GPU 资源、易受实体链接和时间戳提取错误的影响等，但随着技术的不断发展，有望通过更有效的方法进行改进。未来，该研究方向可进一步探索如何处理更细粒度的时间信息、实现跨域泛化以及融入外部知识，在历史事件分析、新闻聚合、生物医药研究和经济预测等领域具有广阔的应用前景，为多个领域的发展提供有力的支持，推动相关领域的智能化发展。
