Основные понятия
LLMを使用してOntoCleanメソッドに焦点を当てたオントロジーの洗練プロセスを探る。
Аннотация
論文は、大規模言語モデル(LLMs)であるGPT-3.5およびGPT-4をオントロジーの洗練プロセスに統合することを探求している。
OntoCleanメソッドは、オントロジー内のクラスに事前設定された一連のメタプロパティを割り当てる最初のステップと、それらが満たされているかどうかを検証する2段階プロセスで実装されている。
大規模言語モデル(LLMs)は、テキスト理解や推論タスクで高い精度が達成できることから、ラベリング手順を効率化するために活用される提案がなされている。
GPT-4は特に高い精度を示し、OntoCleanメタプロパティ全体で非常に低い不正確性率を達成しており、Ontologyソフトウェア向けのプラグイン開発など、さまざまな提案が行われている。
Introduction:
オントロジー構築後の評価と洗練が重要。
OntoCleanメソッドは階層構造の分析を通じてオントロジー品質評価に焦点。
Methods:
LLMsを使用してクラスにラベル付けするために2つの提示方法(zero-shot "bare" promptとin-context learning prompt)が使用された。
ラベリング精度は各メタプロパティ(I、U、R、D)ごとに評価。
Results:
GPT-3.5はIdentity(I)およびUnity(U)で不正確性率が高く、Rigidity(R)およびDependence(D)では改善傾向あり。
GPT-4は全体的な性能が優れており、Identity(I)およびRigidity(R)で非常に低い不正確性率。
Conclusion:
GPT-4は高い精度を示し、OntoCleanベースの人間中心アプローチ提案。
Статистика
「GPT-4はIdentity(I)およびRigidity(R)で非常に低い不正確性率。」
「GPT-3.5ではUnity(U)、Identity(I)で60%〜70%程度の不正確性率。」