KROMA：基于知识检索与大语言模型的本体匹配
人工智能
2025-09-12 v2
摘要
本体匹配 (OM) 是语义互操作性的基石任务，但现有系统通常依赖手工规则或适应性有限的专业模型。我们提出 KROMA，一种新颖的 OM 框架，该框架在检索增强生成 (RAG) 流水线中利用大语言模型，通过结构、词汇和定义知识动态丰富 OM 任务的语义上下文。为了同时优化性能和效率，KROMA 集成了基于互模拟的概念匹配和轻量级本体精炼步骤，以修剪候选概念并大幅减少调用 LLM 产生的通信开销。通过在多个基准数据集上的实验，我们表明将知识检索与上下文增强的 LLM 相结合可显著增强本体匹配，在保持通信开销相当的同时，优于经典 OM 系统和前沿的基于 LLM 的方法。我们的研究突出了所提出的优化技术（定向知识检索、提示增强和本体精炼）在大规模本体匹配中的可行性与益处。
引用
@article{arxiv.2507.14032,
title = {KROMA: Ontology Matching with Knowledge Retrieval and Large Language Models},
author = {Lam Nguyen and Erika Barcelos and Roger French and Yinghui Wu},
journal= {arXiv preprint arXiv:2507.14032},
year = {2025}
}
备注
Accepted to the 24th International Semantic Web Conference Research Track (ISWC 2025)