基于文本的量子级联激光器属性语义丰富——一种知识图谱生成方法
人工智能
2024-10-31 v1
摘要
对量子级联激光器 (QCL) 的各种设计和工作属性数据的结构化集合提供了分析和理解这些属性之间关系的平台。通过分析这些关系,我们可以获得不同设计特征如何影响激光器性能属性(如工作温度)的洞见。大多数 QCL 属性都捕获在科学文本中。因此,需要高效的方法来从文本中提取 QCL 属性并生成语义丰富且互联互关联的平台,以便对这些属性进行分析以揭示隐藏关系。还需要保留这些属性所基于的源信息和参考信息。语义 Web 技术如本体和知识图谱在提供各种领域的互联数据平台方面已被证明具有知识表示能力。在本文中,我们提出了一种从文本生成 QCL 属性知识图谱 (KG) 以进行语义丰富的方法。该方法基于 QCL 本体和基于 GPT-4-Turbo 语言模型的检索增强生成 (RAG) 启用信息提取管道。我们感兴趣的属性包括:工作温度、激光设计类型、激光频率、激光光功率和异结构。实验结果表明，该方法在有效地从非结构化文本中提取 QCL 属性并生成 QCL 属性知识图谱方面具有可行性和有效性。
引用
@article{arxiv.2410.22996,
title = {Semantic Enrichment of the Quantum Cascade Laser Properties in Text- A Knowledge Graph Generation Approach},
author = {Deperias Kerre and Anne Laurent and Kenneth Maussang and Dickson Owuor},
journal= {arXiv preprint arXiv:2410.22996},
year = {2024}
}