Centrala begrepp
대규모 언어 모델을 활용하여 도메인 특화 지식을 자동으로 온톨로지에 구축할 수 있는 방법을 제안한다.
Sammanfattning
이 논문은 대규모 언어 모델(LLM)을 활용하여 온톨로지를 자동으로 구축하는 KGFiller 프레임워크를 제안한다.
먼저, 부분적으로 구축된 온톨로지, 질의 템플릿, 그리고 LLM 오라클을 입력으로 받는다.
그 다음 4단계를 거쳐 온톨로지를 자동으로 구축한다:
- 인구 단계: LLM 오라클을 활용하여 각 클래스에 대한 인스턴스를 생성한다.
- 관계 단계: LLM 오라클을 활용하여 인스턴스 간 관계를 생성한다.
- 재분배 단계: 인스턴스를 가장 구체적인 클래스에 재배치한다.
- 병합 단계: 중복된 인스턴스를 병합한다.
이를 통해 도메인 전문가의 개입 없이도 온톨로지를 빠르고 자동으로 구축할 수 있다. 또한 기존 온톨로지에 추가적으로 지식을 보완할 수 있다.
Statistik
대규모 언어 모델은 웹에서 수집한 방대한 양의 데이터를 기반으로 학습되었다.
대규모 언어 모델은 도메인 지식을 많이 포함하고 있다.
Citat
"LLM은 도메인 지식을 많이 포함하고 있다는 가정 하에, KGFiller는 LLM을 오라클로 활용하여 온톨로지를 자동으로 구축한다."
"KGFiller는 기존 온톨로지에 추가적으로 지식을 보완할 수 있다."