Agent-OM: Leveraging LLM Agents for Ontology Matching

要約

オントロジー マッチング (OM) は、異なるオントロジー間のセマンティックな相互運用性を可能にし、関連するエンティティを調整することで概念的な異質性を解決します。
OM システムには現在、2 つの一般的な設計パラダイムがあります。それは、従来の知識ベースのエキスパート システムと、新しい機械学習ベースの予測システムです。
大規模言語モデル (LLM) と LLM エージェントはデータ エンジニアリングに革命をもたらし、多くの分野で創造的に適用されてきましたが、OM に対するそれらの可能性はまだ十分に探究されていません。
この調査では、OM システム向けに、エージェントを活用した新しい LLM ベースの設計パラダイムを紹介します。
OM に LLM エージェントを活用する際のいくつかの具体的な課題を考慮して、検索および照合用の 2 つのシャム エージェントと一連の単純な OM ツールで構成される汎用フレームワーク、つまり Agent-OM (オントロジー マッチングに対するエージェント) を提案します。
私たちのフレームワークは概念実証システムに実装されています。
最先端の OM システム上で 3 つのオントロジー アライメント評価イニシアチブ (OAEI) トラックを評価したところ、当社のシステムは単純な OM タスクでは長年の最高のパフォーマンスに非常に近い結果を達成でき、複雑な OM タスクではパフォーマンスを大幅に向上できることがわかりました。
数ショットの OM タスク。

要約(オリジナル)

Ontology matching (OM) enables semantic interoperability between different ontologies and resolves their conceptual heterogeneity by aligning related entities. OM systems currently have two prevailing design paradigms: conventional knowledge-based expert systems and newer machine learning-based predictive systems. While large language models (LLMs) and LLM agents have revolutionised data engineering and have been applied creatively in many domains, their potential for OM remains underexplored. This study introduces a novel agent-powered LLM-based design paradigm for OM systems. With consideration of several specific challenges in leveraging LLM agents for OM, we propose a generic framework, namely Agent-OM (w.r.t. Agent for Ontology Matching), consisting of two Siamese agents for retrieval and matching, with a set of simple OM tools. Our framework is implemented in a proof-of-concept system. Evaluations of three Ontology Alignment Evaluation Initiative (OAEI) tracks over state-of-the-art OM systems show that our system can achieve results very close to the long-standing best performance on simple OM tasks and can significantly improve the performance on complex and few-shot OM tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google