面向材料科学的知识图谱问答（KGQA4MAT）：基于 LLM 为金属有机框架知识图谱（MOF-KG）开发自然语言接口
人工智能
2024-06-07 v2
摘要
我们提出了用于材料科学知识图谱问答（KGQA4MAT）的综合基准数据集，重点关注金属有机框架（MOFs）。通过整合结构化数据库与从文献中提取的知识，构建了金属有机框架知识图谱（MOF-KG）。为提升领域专家对 MOF-KG 的可访问性，我们旨在开发用于查询该知识图谱的自然语言接口。我们构建了一个包含 161 个涉及比较、聚合与复杂图结构的复杂问题的基准，每个问题另以三种变体重述，共得到 644 个问题与 161 条 KG 查询。为评估该基准，我们开发了利用 LLM（ChatGPT）将自然语言问题翻译为形式化 KG 查询的系统方法，并将该方法应用于知名的 QALD-9 数据集，展示了 ChatGPT 在不同平台与查询语言下解决 KGQA 问题的潜力。该基准与所提方法旨在促进面向领域特定材料科学知识图谱的用户友好且高效查询接口的进一步研发，从而加速新材料的发现。
引用
@article{arxiv.2309.11361,
title = {Knowledge Graph Question Answering for Materials Science (KGQA4MAT): Developing Natural Language Interface for Metal-Organic Frameworks Knowledge Graph (MOF-KG) Using LLM},
author = {Yuan An and Jane Greenberg and Alex Kalinowski and Xintong Zhao and Xiaohua Hu and Fernando J. Uribe-Romo and Kyle Langlois and Jacob Furst and Diego A. Gómez-Gualdrón},
journal= {arXiv preprint arXiv:2309.11361},
year = {2024}
}
备注
In 17th International Conference on Metadata and Semantics Research, October 2023