OLaLa:基于大语言模型的本体匹配
信息检索
2023-11-08 v1 计算与语言
摘要
本体(更广义地:知识图谱)匹配是一项具有挑战性的任务,其中自然语言信息是要处理的最重要信号之一。随着大语言模型(Large Language Models, LLM)的兴起,有可能将这一知识更好地整合进匹配流程。仍需要做出若干决策,例如,如何生成对模型有用的提示,知识图谱中的信息如何表述于提示中,选择哪个大语言模型,如何向模型提供已有对应关系,如何生成候选等。在本文中,我们提出一个原型,通过将零样本和少样本提示与多个开源大语言模型应用于本体对齐评估倡议(OAEI)的不同任务,来探索这些问题。我们表明,仅用少量示例和精心设计的提示,就有可能取得与使用了大得多比例真值的有监督匹配系统相当的结果。
引用
@article{arxiv.2311.03837,
title = {OLaLa: Ontology Matching with Large Language Models},
author = {Sven Hertling and Heiko Paulheim},
journal= {arXiv preprint arXiv:2311.03837},
year = {2023}
}
备注
Accepted at K-CAP 2023 conference