要約
この研究では、広く使用されている大規模言語モデル (LLM) である ChatGPT と相互作用してオントロジー駆動の構造化プロンプト システムを利用するための包括的な方法論を紹介します。
この研究では、情報と機能の両方の形式モデルを開発し、オントロジー駆動のプロンプトを ChatGPT のメタ学習機能と統合するための方法論的基盤を確立します。
結果として得られる生産的な 3 つの要素は、方法論的基盤、高度な情報技術、および OntoChatGPT システムで構成され、これらが集合的にチャットボット システムの有効性とパフォーマンスを向上させます。
このテクノロジーの実装は、リハビリテーションの分野でウクライナ語を使用して実証されています。
提案された方法論を適用することにより、OntoChatGPT システムはコンテキストからエンティティを効果的に抽出し、分類し、関連する応答を生成します。
この調査では、この方法論の多用途性が強調されており、ChatGPT だけでなく、PaLM 2 LLM を利用する Google の Bard など、LLM に基づく他のチャットボット システムにも適用可能であることが強調されています。
メタ学習、構造化プロンプト、オントロジー駆動の情報検索の基本原理が提案された方法論の中核を形成し、さまざまな LLM ベースのシステムでの適応と利用を可能にします。
この多用途なアプローチは、NLP と対話システムの新たな可能性を開き、開発者がさまざまなドメインや言語にわたってチャットボット システムのパフォーマンスと機能を強化できるようにします。
要約(オリジナル)
This research presents a comprehensive methodology for utilizing an ontology-driven structured prompts system in interplay with ChatGPT, a widely used large language model (LLM). The study develops formal models, both information and functional, and establishes the methodological foundations for integrating ontology-driven prompts with ChatGPT’s meta-learning capabilities. The resulting productive triad comprises the methodological foundations, advanced information technology, and the OntoChatGPT system, which collectively enhance the effectiveness and performance of chatbot systems. The implementation of this technology is demonstrated using the Ukrainian language within the domain of rehabilitation. By applying the proposed methodology, the OntoChatGPT system effectively extracts entities from contexts, classifies them, and generates relevant responses. The study highlights the versatility of the methodology, emphasizing its applicability not only to ChatGPT but also to other chatbot systems based on LLMs, such as Google’s Bard utilizing the PaLM 2 LLM. The underlying principles of meta-learning, structured prompts, and ontology-driven information retrieval form the core of the proposed methodology, enabling their adaptation and utilization in various LLM-based systems. This versatile approach opens up new possibilities for NLP and dialogue systems, empowering developers to enhance the performance and functionality of chatbot systems across different domains and languages.
arxiv情報
| 著者 | Oleksandr Palagin,Vladislav Kaverinskiy,Anna Litvin,Kyrylo Malakhov |
| 発行日 | 2023-07-11 07:31:58+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google