最近NLP领域的大模型风头正劲，结合之前自己做信息抽取使命时为了作用测验的各种trick，便有了利用大模型进行信息抽取的想法。做了个简略测验，作用的确惊艳：
这个作用简直炸裂，对其间的上市公司和标的公司再做一步共指消解便可以生成可以使用的结构化数据。结构化数据进一步就可以灌入常识图谱，进行常识推理。
现有的常识图谱架构大致如下：
现有常识图谱架构
上面的现象根本上意味着现有的常识图谱架构中的信息抽取的部分可以直接被大模型代替了。
常识交融中的共指消解与实体消歧这两个NLU使命也根本可以被大模型代替。
常识图谱存在的含义或许就只剩下基于图谱推理了。这一部分现在看还不容易被大模型代替。相反，基于常识图谱的推理反而可以解决大模型现在表现欠安的“不苟言笑胡言乱语”的问题。
综上，现在来看，常识图谱中的常识获取、常识交融等模块很或许被大模型代替。而基于常识图谱的推理则是现在可以与大模型共存的。
本文正在参加人工智能创作者扶持计划
