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により概念的な不均一性を解決します。
OMシステムには現在、従来の知識ベースの専門家システムと新しい機械学習ベースの予測システムの2つの一般的な設計パラダイムがあります。
大規模な言語モデル（LLMS）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、多くのドメインで創造的に適用されていますが、OMの可能性は未脱子のままです。
この研究では、OMシステム用の新しいエージェント駆動のLLMベースの設計パラダイムを紹介します。
OMの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、Generic Framework、すなわちAgent-OM（オントロジーマッチングのエージェント）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。
3つのオントロジーアラインメント評価イニシアチブ（OAEI）の評価は、最新のOMシステムを追跡しています。これは、システムがシンプルなOMタスクで長年のベストパフォーマンスに非常に近い結果を達成できることを示しており、複雑なパフォーマンスを大幅に改善し、
少数のショット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 (Agent for Ontology Matching), consisting of two Siamese agents for retrieval and matching, with a set of 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