OntoChatGPT 信息系统：面向 ChatGPT 元学习的本体驱动结构化提示

本研究提出了一种综合方法，用于将本体驱动的结构化提示系统与广泛使用的 large language model (LLM) ChatGPT 结合使用。研究建立了信息与功能的形式化模型，并确立了将本体驱动提示与 ChatGPT 元学习能力相整合的方法论基础。由此形成的生产性三元组包括方法论基础、先进信息技术以及 OntoChatGPT 系统，它们共同提升了聊天机器人系统的有效性与性能。该技术的实现以乌克兰语在康复领域中得到演示。通过应用所提方法，OntoChatGPT 系统能从上下文中有效提取实体、对其进行分类并生成相关回复。研究强调了该方法的通用性，指出其不仅适用于 ChatGPT，也适用于其他基于 LLM 的聊天机器人系统，例如使用 PaLM 2 LLM 的 Google Bard。元学习、结构化提示与本体驱动信息检索的基本原理构成了所提方法的核心，使其能在各类基于 LLM 的系统中适配与运用。这种通用方法为 NLP 与对话系统开辟了新可能，使开发者能够提升跨领域与跨语言的聊天机器人系统的性能与功能。