[最新论文]利用LLM大模型OntoKGen进行半导体本体自动提取和知识图谱生成

文章预览

摘要 从可靠性和可维护性 （RAM） 领域内的大型复杂技术文档中提取相关和结构化的知识是劳动密集型的，并且容易出错。我们的工作通过提出 OntoKGen 来解决这一挑战，OntoKGen 是一个真正的本体提取和知识图谱 （KG） 生成的管道。OntoKGen 通过交互式用户界面利用大型语言模型 （LLM），该界面由我们的自适应迭代思维链 （CoT） 算法指导，以确保本体提取过程以及 KG 生成符合用户的特定要求。尽管 KG 生成遵循基于已确认本体的清晰、结构化的路径，但没有普遍正确的本体，因为它本质上是基于用户的偏好。OntoKGen 推荐一种基于最佳实践的本体，最大限度地减少用户工作量并提供可能被忽视的宝贵见解，同时让用户完全控制最终的本体。OntoKGen 根据已确认的本体生成 KG 后，可以无缝集成到无方案的非关系数据库（如 Neo4j）中。此集成允许灵活存储 ………………………………