Jun, 2024

从自然语言描述生成能力本体论方法探索

PDF
TL;DR通过使用大型语言模型（LLMs），本研究提出了一种创新的方法来自动化能力本体建模，该方法通过少样本提示技术仅需自然语言描述即可自动插入预定义的提示，从而大大减少了手动工作量并简化了能力本体生成过程。
capability ontologiesmachine-interpretableautomate modelinglarge language modelscapability ontology generation
发现论文，激发创造
  • 关于使用大型语言模型生成能力本体的研究

    使用大型语言模型（LLMs）生成能力本体论，通过一系列试验以及不同提示技术和不同 LLMs 生成的能力来分析生成的本体论的质量

    Apr, 2024

  • 利用大型语言模型进行本体工程

    通过自动将自然语言句子转化为描述逻辑，我们使用大型语言模型将自然语言句子转换为 OWL 功能语法，用于丰富本体论，并通过人类监督的方式提供该工具作为 Protge 插件。

    Jul, 2023

  • 大型语言模型作为实例化具有特定领域知识的本体的预言机

    使用大型语言模型自动填充本体论与领域特定知识，通过查询模板生成实例，从而快速丰富本体论。

    Apr, 2024

  • 利用 LLMs 实现内容为中心的认知代理的知识获取自动化

    该论文介绍了一种利用大型语言模型技术支持智能代理语义词典中新条目的自动学习的系统。这种学习方法通过现有的非玩具词典和自然语言生成器引导启动，将意义的表达按基本本体建立转换为自然语言句子。此学习方法已应用于学习多词表达式，其含义与智能代理语义词典中的及物动词等效。实验展示了一种融合基于知识的方法、资源、传统数据分析和大型语言模型的混合学习架构的优势。

    Dec, 2023

  • LLMs4OL：用于本体学习的大型语言模型

    我们提出了 LLMs4OL 方法，利用大型语言模型（LLMs）进行本体学习（OL）。通过全面评估使用零训练样例提示方法，我们发现 LLMs 可以有效地应用其语言模式捕捉能力于 OL，该能力包括从自然语言文本中自动提取和结构化知识。评估涵盖了对三个主要的 OL 任务进行九种不同的 LLM 模型家族的评估，包括术语类型化，分类系统发现以及非分类关系的提取，并包含了 WordNet 中的词汇语义知识，GeoNames 中的地理知识以及 UMLS 中的医学知识等多种类型的本体知识。

    Jul, 2023

  • 基于大规模语言模型的复杂本体对齐

    本文研究了利用大型语言模型（LLM）以解决复杂本体对齐挑战的应用，采用基于提示的方法和整合丰富本体内容的模块，取得了自动化复杂对齐任务的重要进展。

    Apr, 2024

  • 从 OWL 本体生成自然语言描述：NaturalOWL 系统

    NaturalOWL 是一款使用自然语言生成系统的工具，它可以生成多语言的流利和连贯的多句文本描述 OWL 本体中的个体或类，以使信息不仅对计算机程序和领域专家，也对终端用户可见可访问。

    Apr, 2014

  • 从人类专家到机器：一个基于 LLM 的本体和知识图构建方法

    利用开源 LMMs 进行（半）自动化构建知识图谱的可行性研究以及深度学习方法的知识图谱构建

    Mar, 2024

  • 大型语言模型是否能补充医学本体中缺失的概念和关系？

    使用大型语言模型扩展本体的方法在临床实践指南中探索新的医学概念关系，展示了潜在的初步实验结果和未来改进方向。

    Nov, 2023

  • 运用大型语言模型通过人工智能生成科学本体朝下一代城市决策支持系统 -- 优化联运货运案例

    利用预训练的大型语言模型（LLMs）和 ChatGPT API 作为推理核心，通过自然语言处理、基于方法论的提示调整和 Transformer 技术，自动化创作基于场景的本体论文、都市数据集和模拟技术手册，生成知识图谱，以促进都市决策支持系统的发展。

    May, 2024