科学知識グラフとオープン大規模言語モデルを用いたオントロジー生成 | JoVE Visualize

科学分野:

科学的知識表現
化学における人工知能
科学文献におけるデータマイニング

背景:

知識グラフ（KG）とオントロジーは、構造化された情報と大規模言語モデル（LLM）の強化に不可欠です。
科学分野では、複雑なデータに適したオントロジーが不足していることが多く、手動でのKG/オントロジーキュレーションは労働集約的です。
既存の方法は、急速に進化する科学分野におけるデータの構造化されていない性質に対処するのに苦労しています。

研究の目的:

オープンソースLLMを使用して科学文献からオントロジーとKGを生成するための、新しいゼロショットのエンドツーエンドの方法を提案すること。
専門科学分野における手動キュレーションの限界と包括的なオントロジーの欠如に対処すること。
科学研究と知識管理のための自動知識表現の実現可能性を実証すること。

主な方法:

オープンソース大規模言語モデル（LLM）を活用して、オントロジーとKGの自動生成を行います。
既存のドメイン固有のオントロジーを必要としない、ゼロショットのエンドツーエンドアプローチを実装します。
既存のKG/オントロジーを再構築し、単原子触媒（SAC）分野に適用することによって、方法のパフォーマンスを評価します。

主要な成果:

化学元素と官能基のKGとオントロジーを再構築することに成功しました。
単原子触媒（SAC）ドメインにおける、乏しく構造化されていないデータから構造化された知識を生成する有効性を示しました。
複雑な科学的知識表現の作成を自動化するLLMの能力を検証しました。

結論:

提案されたLLMベースの方法は、科学文献からのオントロジーとKGの生成を効果的に自動化します。
このアプローチは、専門科学分野における知識構造化に必要な時間と専門知識を大幅に削減します。
生成されたKGとオントロジーは、情報検索と推論を強化し、高度なLLM支援科学的発見への道を開きます。