Constructing knowledge graphs by Large Language Models: Methodology, practice, and challenges
| 項目 | 内容 |
|---|---|
| 論文ID | P11 |
| 区分・分類 | 論文・枠組み・サーベイ |
| 著者・所属 | Jiaxin Wu（School of National Elite Institute of Engineering, Chongqing University）、Shanshan Huang（School of Software and AI, Yunnan University）、Zherui Zhang（School of Artificial Intelligence, Beijing University of Posts and Telecommunications）、Yuan Wang・Shu Wang（School of Materials and Energy, Southwest University）、Ming Liu・Li Liu（School of Big Data and Software Engineering, Chongqing University）、Guoxin Su（School of Computing and Information Technology, University of Wollongong）※本文未読のため OpenAlex の所属情報から転記 |
| 発表先 | Knowledge-Based Systems, Vol. 352, Article 116963 |
| 発表日 | 2026-09-08 |
| 引用数 | 0（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.1016/j.knosys.2026.116963 |
| 取得できず（クローズドアクセス。arXiv 等に公開版なし） | |
| 読んだ範囲 | 要旨のみ |
論文タイプ
サーベイ。要旨に「In this survey, we provide a comprehensive review of the entire lifecycle of LLM-based KG construction」と明記されている。
研究の目標
知識グラフ（KG）構築は、構造化知識を整理し知的アプリケーションを支える基盤的タスクである。LLM の進展により意味理解・情報抽出・推論が向上し、KG 構築は従来のパイプライン型手法から LLM 駆動の枠組みへ移行しつつある。この転換に対し、LLM ベース KG 構築のライフサイクル全体を体系的に整理する「timely and systematic survey」を提供することが本論文の狙い。
技術的なやり方
要旨に書かれている構成は以下のとおり。
| 観点 | 内容 |
|---|---|
| 対象タスク（3つ） | triple extraction (TE)、knowledge fusion (KF)、knowledge graph completion (KGC) |
| 分類軸（統一 taxonomy） | LLM の組み込み方（LLM integration strategies）で3パラダイムに分類：prompt engineering、parameter fine-tuning、hybrid model collaboration |
| 分析 | taxonomy に沿って代表手法と、KG 構築の各段階における適用シナリオを整理 |
| データセット | 公開データセット 16 件をまとめる |
| 評価指標 | precision、recall、F1-score の3つ。LLM ベース KG 構築における評価上の課題も議論 |
| 実験 | 代表手法 28 件の比較実験でパラダイムごとの強み・限界を分析 |
| 拡張 | ドメイン特化 KG および multimodal KG 構築への LLM の拡張を議論 |
| キーワード（出版社ページ） | Knowledge graphs、Large Language Models、Fine-tuning、Prompt engineering、Domain-specific knowledge graphs |
個別の手法名・データセット名・実験設定は要旨に記載がなく、本文未読のため不明。
結果
数値なし（要旨には「28 件の代表手法の比較実験により各パラダイムの強みと限界を分析した」とあるのみで、具体的な数値・順位の記載はない）。
限界・課題
要旨には「LLM ベース KG 構築における評価上の課題」および「現在の課題と機会、今後の研究方向」を論じるとあるが、その中身は要旨に記載なし。本文未読のため不明。
要点
- LLM による KG 構築を TE・KF・KGC の3タスク × prompt engineering・fine-tuning・hybrid の3パラダイムで整理したサーベイ。
- 16 データセット・3 指標をまとめ、28 手法の比較実験でパラダイムの得失を分析。
- ドメイン特化・multimodal への拡張と今後の方向まで扱う。本文はクローズドアクセスで未読。