LLMs4Life：面向生命科学的大语言模型本体学习
人工智能
2024-12-04 v1
摘要
在复杂领域（如生命科学）中进行本体学习对当前的大型语言模型(LLM)构成重大挑战。现有的LLM在生成具有多个层次结构、丰富相互连接和全面类覆盖的本体方面受限于其生成标记数限制和领域适应性不足。为了解决这些问题，我们扩展了用于LLM本体学习的NeOn-GPT管道，通过采用先进的提示工程技术和本体复用来增强生成本体的领域特定推理和结构深度。我们的工作评估了LLM在生命科学领域进行本体学习能力。为了评估生成本体的逻辑一致性、完整性和可扩展性，我们以AquaDiva本体为案例研究。我们的评估显示，针对专业领域进行本体学习的LLM是可行的，为解决模型性能和可扩展性的长期限制提供了解决方案。
引用
@article{arxiv.2412.02035,
title = {LLMs4Life: Large Language Models for Ontology Learning in Life Sciences},
author = {Nadeen Fathallah and Steffen Staab and Alsayed Algergawy},
journal= {arXiv preprint arXiv:2412.02035},
year = {2024}
}