Ontology-grounded Automatic Knowledge Graph Construction by LLM under Wikidata schema

要約

私たちは、知識ベース上で大規模言語モデル (LLM) を使用したナレッジ グラフ (KG) 構築へのオントロジーに基づいたアプローチを提案します。
オントロジーは、知識ベース上でコンピテンシー質問 (CQ) を生成して知識範囲を発見し、CQ から関係を抽出し、同等の関係をウィキデータ内の対応する関係で置き換えることによって作成されます。
結果として得られる KG の一貫性と解釈可能性を確保するために、抽出された関係に基づいて作成されたオントロジーを使用して KG を生成します。
ベンチマーク データセットの評価により、ナレッジ グラフ構築タスクにおける競争力のあるパフォーマンスが実証されます。
私たちの研究は、人間の介入を最小限に抑えたスケーラブルな KG 構築パイプラインの有望な方向性を示しています。これにより、高品質で人間が解釈可能な KG が生成され、潜在的な知識ベースの拡張のために Wikidata セマンティクスと相互運用可能です。

要約(オリジナル)

We propose an ontology-grounded approach to Knowledge Graph (KG) construction using Large Language Models (LLMs) on a knowledge base. An ontology is authored by generating Competency Questions (CQ) on knowledge base to discover knowledge scope, extracting relations from CQs, and attempt to replace equivalent relations by their counterpart in Wikidata. To ensure consistency and interpretability in the resulting KG, we ground generation of KG with the authored ontology based on extracted relations. Evaluation on benchmark datasets demonstrates competitive performance in knowledge graph construction task. Our work presents a promising direction for scalable KG construction pipeline with minimal human intervention, that yields high quality and human-interpretable KGs, which are interoperable with Wikidata semantics for potential knowledge base expansion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google