Основные понятия
大規模言語モデルを活用することで、オントロジー間の複雑な整合関係を自動的に検出することができる。
Аннотация
本論文は、大規模言語モデル(LLM)を使用して複雑なオントロジー整合を行う新しい手法を提案している。従来のオントロジー整合手法は、クラスラベルや属性の比較による単純な1対1の関係検出に焦点を当てていたが、より実用的な複雑な整合関係の自動化は大きな課題であった。
提案手法では、LLMを活用したプロンプトベースのアプローチを採用し、オントロジーの内容を表すモジュール情報を統合することで、複雑な整合関係の自動検出に大きな進展を遂げている。具体的には以下の通り:
GMOオントロジーの全体情報をプロンプトとして提示し、GBOオントロジーの特定のエンティティとの関係を問い合わせる。
初期プロンプトでは十分な情報が得られない場合、GMOのモジュール情報を追加して再度問い合わせる。
モジュール情報の提供により、LLMは関連するGMOのエンティティを正確に特定できるようになる。
評価の結果、モジュール情報を活用した場合、複雑な整合関係の検出精度が大幅に向上することが示された。特に、検出されたGMOエンティティの再現率が67.5%、精度が62%に達するなど、従来手法を大きく上回る性能を発揮した。
本研究は、LLMを活用した新しい複雑オントロジー整合手法を提案し、その有効性を実証したものである。オントロジーの内部構造を表すモジュール情報の活用が、複雑な整合関係の自動検出に重要な役割を果たすことが明らかになった。今後は、さらなる手法の改善や、他のデータセットでの評価などが期待される。
Статистика
FundingAward(x)
providesAgentRole(x,y)
CoPrincipalInvestigatorRole(y)
performedBy(y,z)