OmEGa( Ω ): Ontology-based information extraction framework for constructing task-centric knowledge graph from manufacturing documents with large language model

論文タイプ

新技術。製造タスクを記述するオントロジー（Task-Centric Ontology）と、それに基づく情報抽出フレームワーク（OmEGa）を新たに提案しているため。

研究の目標

• 背景：製造業では、生産・保守工程を最適化するための専門知識が技術文書に蓄積されている。これらの文書には専門家向けの用語が多く、本文を補う情報が画像や表で書かれている
• 問題：
• 構造の問題：文書の構造が複雑で、テキスト・画像・表が混在する（マルチモーダル）
• 文脈の問題：事前学習済み言語モデル（PLM）の汎用的な学習データと、製造文書に必要な専門知識との間に文脈のギャップがある
• 既存研究の見落とし：製造文書からの知識グラフ（KG）構築や、ドメイン独自のオントロジーを使った抽出の研究はあるが、製造工程の基本的な活動である「タスク」そのものをモデル化していない。著者は、製造文書の最終目的を「ある問題を解決するために、特定の場所で行うタスク」を伝えることだとしている
• 到達点：タスクを中心にモデル化し、マルチモーダルな製造文書からタスク中心の KG を構築する。その KG を KGQA（KG に基づく質問応答）などの知識に基づくシステムに使えるようにする

技術的なやり方

• 使用した LLM の名称、TCO のクラス・関係の構成、抽出手順の詳細は、読んだ範囲（1ページ目まで）に記載なし
• 序論で挙げている先行研究：Kumar and Starly（BiLSTM による製造工程文献の NER）、Guan et al.（attention による溶接文書の RE）、ドメイン独自オントロジーを使った Ding et al.（human–cyber–physical fusion による加工方法）、Wen et al.（製造の運転条件）

結果

数値なし（読んだ範囲に数値の記載なし）。要旨には次の定性的な記述だけがある。

• OmEGa は、独自データセットとオープンソースデータセットの両方で高い性能を示した
• 抽出したタスク中心の知識の上に構築した KGQA システムは、製造分野の専門家間のコミュニケーションを向上させる可能性を示した

限界・課題

記載なし（読んだ範囲に著者が述べた限界の記載はない）

要点

製造文書の目的を「問題を解決するために特定の場所で行うタスク」と捉え、タスク中心のオントロジー（TCO）を設計した。そのうえで、LLM を使ってテキスト・画像・表が混在する製造文書からタスク中心の KG を抽出するフレームワーク OmEGa を提案した。