Agent-OM: Leveraging Large Language Models 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整列させることでそれらの概念的な異質性を解決する。OMシステムには現在、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という、2つの一般的な設計パラダイムがある。大規模言語モデル（LLM）とLLMベースのエージェントは、データ工学において革命的な存在となり、様々な領域で創造的に応用されているが、OMに対する潜在的な可能性は未開拓のままである。本研究では、OMシステムのための新しいエージェント駆動型LLMベースの設計パラダイムを紹介する。LLMをOMに活用するためのいくつかの具体的な課題を熟慮した上で、検索とマッチングのための2つのシャムエージェントと、シンプルなプロンプトベースのOMツールのセットからなる汎用的なフレームワーク、すなわちAgent-OMを提案する。我々のフレームワークは概念実証システムに実装されている。最新のOMシステムに対する3つのOntology Alignment Evaluation Initiative (OAEI)トラックの評価から、我々のシステムは、単純なOMタスクでは、長年の最高性能に非常に近い結果を達成し、複雑で数ショットのOMタスクでは、性能を大幅に改善できることが示された。

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-based agents have become revolutionary in data engineering and have been applied creatively in various domains, their potential for OM remains underexplored. This study introduces a novel agent-powered LLM-based design paradigm for OM systems. With thoughtful consideration of several specific challenges to leverage LLMs for OM, we propose a generic framework, namely Agent-OM, consisting of two Siamese agents for retrieval and matching, with a set of simple prompt-based 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 very close results to the best long-standing performance on simple OM tasks and 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, DeepL