基于大型语言模型驱动的本体演化机制研究

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：廖光忠;方锤;陆晨阳;顾进广;

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 湖北省智能信息处理与实时工业系统重点实验室,湖北 武汉 430065

摘要：在本体演化过程中,尽管领域专家的参与至关重要,但也同时存在着知识局限、成本高昂、效率低下等问题。 为此,该文提出了一种利用大语言模型来指导本体演化的方法,旨在降低本体演化过程对领域专家的依赖。 方案共设计六种提示范式:二元决策完型范式、二元决策前缀范式、多元决策完型范式、多元决策前缀范式、整体输入范式、分步输入范式。 通过四种方式(二元决策、多元决策、完整输入和分步输入)将待删除的实体三元组等信息输入到大模型中,根据模型输出结果重新构建本体,比较本体演化前后的结构相似率来衡量模型效果。 研究使用了 ChatGPT-V3. 5 和 Llama-7B 两种模型,并对民航客服本体(CACSO)、天气预测本体(SENSOR)和中文糖尿病本体(CDMO)三个领域的数据集进行了零样本实验。 实验结果表明,与传统的专家驱动方法相比,基于大语言模型的本体演化方法显著提升了效率,降低了对专家资源的依赖,验证了大语言模型在本体演化中的可行性,为本体演化领域提供了一种创新的智能化决策方法。

关键词：本体;本体演化;提示工程;范式;大型语言模型