大语言模型作为知识库用于领域特定知识的本体实例化
人工智能
2025-01-24 v2 计算与语言
信息检索
机器学习
计算机科学中的逻辑
摘要
背景。为智能系统赋予语义数据通常需要设计并使用领域特定知识的本体。尤其在早期阶段，这些活动通常由人类专家手动完成，可能利用其自身经验。因此，该过程耗时、容易出错，且常受到本体设计师个人背景的偏见影响。目标。为缓解此问题，我们提出一种新颖的领域无关方法，通过利用大语言模型（LLM）作为知识库来自动实例化本体。方法。从（i）由inter-related classes和properties组成的初始模式（schema），以及（ii）一组查询模板开始，我们的方法多次查询 LLM，从其回复中生成类和属性的实例。因此，自动填充的本体符合初始模式。结果是本体快速且自动地丰富了大量实例，这些实例专家可能考虑保留、调整、舍弃或补充，以符合其自身需求和专业知识。贡献。我们以通用方式正式化了该方法，并在各种 LLM 上进行实例化，以及在具体案例研究中进行应用。我们报告了根植于营养领域的实验，在该领域中，一个关于食物餐及其成分的本体可从头开始自动实例化， starting from a餐的分类及其关系。实验中，我们分析了所生成本体的质量，并比较了不同 LLM 获得的本体。实验结果表明，我们的方法的质量指标比现有技术高出约五倍，而错误实体和关系则减少约十倍。最后，我们提供了该方法的SWOT分析。
引用
@article{arxiv.2404.04108,
title = {Large language models as oracles for instantiating ontologies with domain-specific knowledge},
author = {Giovanni Ciatto and Andrea Agiollo and Matteo Magnini and Andrea Omicini},
journal= {arXiv preprint arXiv:2404.04108},
year = {2025}
}