On the Use of Large Language Models to Generate Capability Ontologies

要約

機能オントロジーは、システムやマシンの機能をモデル化するためにますます使用されています。
機能のすべてのプロパティと制約を備えたこのようなオントロジー モデルの作成は非常に複雑で、オントロジーの専門家のみが行うことができます。
ただし、ラージ言語モデル (LLM) は、自然言語テキスト入力から機械解釈可能なモデルを生成できるため、エンジニアやオントロジーの専門家をサポートできることが示されています。
したがって、このペーパーでは、LLM を使用して機能オントロジーを作成する方法を調査します。
さまざまなプロンプト手法とさまざまな LLM を使用して、さまざまな複雑さの機能を生成する一連の実験を含む研究を紹介します。
生成されたオントロジーのエラーは記録され、比較されます。
生成されたオントロジーの品質を分析するには、RDF 構文チェック、OWL 推論、および SHACL 制約に基づく半自動アプローチが使用されます。
複雑な機能であっても、生成されたオントロジーにはエラーがほとんどないため、この研究の結果は非常に有望です。

要約(オリジナル)

Capability ontologies are increasingly used to model functionalities of systems or machines. The creation of such ontological models with all properties and constraints of capabilities is very complex and can only be done by ontology experts. However, Large Language Models (LLMs) have shown that they can generate machine-interpretable models from natural language text input and thus support engineers / ontology experts. Therefore, this paper investigates how LLMs can be used to create capability ontologies. We present a study with a series of experiments in which capabilities with varying complexities are generated using different prompting techniques and with different LLMs. Errors in the generated ontologies are recorded and compared. To analyze the quality of the generated ontologies, a semi-automated approach based on RDF syntax checking, OWL reasoning, and SHACL constraints is used. The results of this study are very promising because even for complex capabilities, the generated ontologies are almost free of errors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google