融合大语言模型与知识图谱进行文本测试数据的提取与验证
人工智能
2024-12-03 v1 计算与语言
摘要
航空航天制造公司，如Thales Alenia Space，设计、开发、集成、验证和验证具有高复杂性和低产量的产品。它们仔细记录了每个产品的所有阶段，但由于文档中数据的异构性和非结构化特性，跨产品分析具有挑战性。在本文中，我们提出了一种混合方法，利用知识图谱(KG)结合大语言模型(LLM)来提取和验证这些文档中包含的数据。我们考虑了一个以卫星电子板测试数据为重点的案例研究。为此，我们扩展了语义传感器网络本体。我们将报告的元数据存储在KG中，而实际测试结果存储在可通过虚拟知识图谱访问的parquet文件中。验证过程由基于LLM的方法管理。我们还进行了基准测试研究，以评估最先进的LLM在此任务中的性能。最后，我们分析了自动化现有手动数据提取和验证流程以进行后续跨报告分析的成本与收益。
引用
@article{arxiv.2408.01700,
title = {Integrating Large Language Models and Knowledge Graphs for Extraction and Validation of Textual Test Data},
author = {Antonio De Santis and Marco Balduini and Federico De Santis and Andrea Proia and Arsenio Leo and Marco Brambilla and Emanuele Della Valle},
journal= {arXiv preprint arXiv:2408.01700},
year = {2024}
}
备注
Paper Accepted at ISWC 2024 In-Use Track