Accelerating knowledge graph and ontology engineering with large language models
| 項目 | 内容 |
|---|---|
| 論文ID | P31 |
| 区分・分類 | 論文・スキーマ・オントロジー |
| 著者・所属 | Cogan Shimizu（Department of Computer Science and Engineering, Wright State University, USA）、Pascal Hitzler（Department of Computer Science, Kansas State University, USA） |
| 発表先 | Journal of Web Semantics |
| 発表日 | 2025-02-06 |
| 引用数 | 35（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.1016/j.websem.2025.100862 |
| 論文/pdf/P31.pdf | |
| 読んだ範囲 | 全文（arXiv v1 プレプリント版、全7ページ） |
論文タイプ
その他（ポジションペーパー）。新しい実験は行わず、LLMを使ったKG・オントロジー工学を新しい研究領域として位置づけ、著者らの既発表の結果を根拠に「モジュール化」を中心に据えるべきと主張している。
研究の目標
- 背景：Knowledge Graph and Ontology Engineering（KGOE）のタスク（ontology modeling、extension・modification、population、alignment、entity disambiguation）は、Semantic Web研究が25年以上続いても妥当な品質と規模で自動化できず、専門家の大きな労力が要る
- LLMを「近似的に問い合わせできる自然言語の知識ベース」として使い、半自動または人間とLLMの対話的な手法で、専門家の時間を大きく減らせる水準の草案を作れるはず、というのが出発点
- 到達点：LLMベースのKGOEを新しい研究領域として整理し、モジュール型オントロジーがその中心になると論じる
技術的なやり方
中心は著者らの MOMo（Modular Ontology Modeling）。モジュールは「ドメイン専門家から見た主要概念に関係する、オントロジー内のクラス・プロパティ・公理の集まり」（例：GeoLinkのTrajectory、Cruise、Physical Sample、Organization）。重なりや入れ子を許し、所属を決める厳密な規則は意図的に置かない。MOMoはOntology Design Patterns（ODP）を土台に、段階的な設計手順、OWLで書くモジュール記述言語OPLa、パターンライブラリ、Protégéプラグインを含む。OPLaで注釈すればモジュールをプログラムで特定でき、KG（ABox）もモジュール構造を引き継ぐ。
| タスク | モジュールの使い方 |
|---|---|
| Ontology modeling・extension・modification | LLMで数百の「commonsense」micropatternを生成し、RAGで参照できる設計ライブラリに整理。MOMoの段階的手順で作業を分割する |
| Ontology alignment（complex） | 2段階のプロンプト：ルールのheadと20のモジュール名から必要なモジュールを選ばせ、選んだモジュールを渡してルールのbodyを生成させる |
| Ontology population | モジュールの簡単なスキーマ表現と抽出例でプロンプトを作り、モジュールごとにテキストからトリプルを抽出する |
| Entity disambiguation | モジュールで文脈を加えれば結果が大きく改善するはず、という推測にとどまる（実験なし） |
モジュールが効く理由として、概念のまとまり（conceptual consistency）と範囲の狭さ（tight scope）、LLMは指示よりパターンに従うのが得意で、その傾向がプロンプト長と相関すること（[28]）を挙げる。
結果
本論文に新しい実験はない。以下は著者らが引用する既発表の結果。
| 対象 | 数値・比較 |
|---|---|
| Complex alignment（OAEI GeoLink。片方は40クラス・149 object property・49 data property、もう片方は156クラス・124 object property・46 data property） | 両オントロジーを丸ごとプロンプトに入れると出力はほぼ使えなかった。モジュールを使うと109件中104件（95%）の対応付けを正しく特定（[1]） |
| 他手法のcomplex alignment（geometric language embeddings、[49]） | Semantic F1 0.49〜0.69 |
| Ontology population（モジュール単位、[32]） | 正解と比べて約90%の関連トリプルを抽出 |
| Entity disambiguation（既存ベンチマーク） | prompt-tuning後にF1 = 91を超える例がある（data leakageの可能性あり） |
規模の例：ENVO 2,100超のクラス、Gene Ontology 40,000超のクラス、DBpedia Core 約9×10^8トリプル（オントロジー約800クラス）、KnowWhereGraph 28×10^9超のトリプル（約300クラス）。300クラスでも人間が全体を把握するには大きすぎるとする。
限界・課題
- LLMはコモンセンスと推論力が足りず、オントロジー構築を完全自動ではまだできない
- Entity disambiguationは、既存ベンチマークが学習データに含まれる（data leakage）可能性があり、LLMの実力を評価しにくい
- Populationの結果は追加実験が必要。特にモジュールにどんなモデリング特性が適するかの検証
- 他の定義のモジュール（論理的な分割など）とLLMの組み合わせは研究されていない
- モジュールを使わないLLMベースKGOEの限界と能力も調べる必要がある
- 既存ベンチマークの問題：人間でも判断が割れる、文字列類似度だけで単純アライメントの大半の機能が出せる。LLM以降、研究の関心が単純な1対1アライメントに戻ってしまった
要点
LLMでKG・オントロジー工学を加速するには、オントロジーを専門家にとって意味のある「概念モジュール」に分けてプロンプトに渡すのが鍵だと主張するポジションペーパー。根拠として、モジュール化で複雑アライメントがほぼ失敗から95%正解に、ポピュレーションで約90%のトリプル抽出になった著者らの結果を示す。