Knowledge prompt chaining for semantic modeling

要約

CSV、JSON、XML ファイルなどの構造化データのセマンティクスを構築するタスクは、知識表現の分野と非常に関連性があります。
インターネット上には膨大な構造化データがありますが、それらをドメイン オントロジーにマッピングしてセマンティクスを構築することは、構築モデルがグラフ構造の知識を理解して学習する必要があるため、依然として非常に困難です。
そうしないと、その作業に人間の労力とコストがかかることになります。
この論文では、新しい自動セマンティック モデリング フレームワークであるナレッジ プロンプト チェーンを提案しました。
グラフ構造の知識をシリアル化し、それをプロンプト チェーン アーキテクチャで LLM に適切に注入できます。
この知識の注入とプロンプトチェーンを通じて、フレームワークのモデルはグラフの構造情報と潜在空間を学習し、チェーンの命令に従って意味ラベルと意味グラフを自然に生成できます。
実験結果に基づくと、私たちの方法は、使用する構造化入力データが削減されているにもかかわらず、既存の主要な手法よりも優れたパフォーマンスを達成します。

要約(オリジナル)

The task of building semantics for structured data such as CSV, JSON, and XML files is highly relevant in the knowledge representation field. Even though we have a vast of structured data on the internet, mapping them to domain ontologies to build semantics for them is still very challenging as it requires the construction model to understand and learn graph-structured knowledge. Otherwise, the task will require human beings’ effort and cost. In this paper, we proposed a novel automatic semantic modeling framework: Knowledge Prompt Chaining. It can serialize the graph-structured knowledge and inject it into the LLMs properly in a Prompt Chaining architecture. Through this knowledge injection and prompting chaining, the model in our framework can learn the structure information and latent space of the graph and generate the semantic labels and semantic graphs following the chains’ insturction naturally. Based on experimental results, our method achieves better performance than existing leading techniques, despite using reduced structured input data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google