OntoRAG：通过从非结构化知识库自动推导本体增强问答
人工智能
2025-06-03 v1 机器学习
摘要
本体对于构建知识库以增强由大型语言模型驱动的问答系统至关重要。然而，传统的本体创建依赖于领域专家的手动工作，这一过程耗时、容易出错，且对于大型、动态的知识领域不切实际。本文介绍了 OntoRAG，一个旨在从非结构化知识库中推导本体的自动化流水线，重点关注电气继电器文档。OntoRAG 集成了先进技术，包括网络抓取、PDF 解析、混合分块、信息提取、知识图谱构建和本体创建，将非结构化数据转化为可查询的本体。通过利用 LLM 和基于图的方法，OntoRAG 增强了全局意义建构能力，在全面性和多样性上优于传统的检索增强生成和 GraphRAG 方法。实验结果证明了 OntoRAG 的有效性，其全面性胜率对比向量 RAG 达到 85%，对比 GraphRAG 的最佳配置达到 75%。这项工作解决了自动创建本体的关键挑战，推进了语义网的愿景。
引用
@article{arxiv.2506.00664,
title = {OntoRAG: Enhancing Question-Answering through Automated Ontology Derivation from Unstructured Knowledge Bases},
author = {Yash Tiwari and Owais Ahmad Lone and Mayukha Pal},
journal= {arXiv preprint arXiv:2506.00664},
year = {2025}
}