iText2KG: Incremental Knowledge Graphs Construction Using Large Language Models

項目	内容
論文ID	P40
区分・分類	論文・知識グラフ構築
著者・所属	Yassir Lairgi（INSA Lyon, CNRS, Université Claude Bernard Lyon 1, LIRIS／GAUC, Lyon）、Ludovic Moncla、Rémy Cazabet、Khalid Benabdeslem（以上 LIRIS）、Pierre Cléau（GAUC, Lyon）
発表先	International Conference on Web Information Systems Engineering (WISE 2024, LNCS)
発表日	2024-11-26
引用数	27（OpenAlex 2026-10-06時点）
言語	英語
URL	https://doi.org/10.1007/978-981-96-0573-6_16
PDF	論文/pdf/P40.pdf
読んだ範囲	全文（arXiv v1、全15ページ）

論文タイプ

新技術。LLMで文書から知識グラフ（KG）を逐次構築する手法 iText2KG を提案し、ベースラインと比較している。

研究の目標

従来のNER・関係抽出は事前定義の型や教師あり学習に依存する。LLMを使う既存手法も、意味的に重複した未解決のエンティティ／関係が残って大がかりな後処理が要り、トピック依存で一般化しにくい。後処理なし・トピック非依存・zero-shot で、エンティティと関係が解決済みのKGを逐次構築することを狙う。

技術的なやり方

4モジュール構成。LLMは GPT-4。

モジュール	処理
Document Distiller	ユーザー定義の schema（blueprint、JSON形式。オントロジーではない）に沿って、LLMが文書を semantic blocks に書き直す
iEntities Extractor	文書ごとに抽出したエンティティを global entities と照合。一致しなければ cosine similarity（閾値あり）で最も近いものに寄せ、無ければ追加
iRelations Extractor	entities を文脈に関係を抽出し同様に照合。文脈に global entities を渡す版と local entities を渡す版がある
Graph Integrator	Neo4j に投入して可視化

エンティティ抽出と関係抽出は分離する。埋め込みは text-embedding-3-large
シナリオ：CV・科学論文・Webサイト→KG（各5件）。triplet 評価は [6] の注釈データ（computer science・music）＋手作業確認
比較対象：OpenAI Function、Langchain（LlamaIndex は非連結の部分グラフを作るため評価外）

結果

評価	CVs	科学論文	Webサイト
Schema consistency	0.97	0.98	0.94
エンティティ未解決率 FDR（OpenAI Function／Langchain／iText2KG）	0／0／0	0.11／0.14／0.01	0.31／0.29／0
関係未解決率 FDR（同上）	0／0／0	0.07／0.06／0.01	0.15／0.14／0

Triplet precision（global版／local版）：Computer Science 0.83／0.94、Music 0.81／0.9。global版は約10%低いが、暗示的な関係も取れてグラフが豊かになる
ベースラインはどのシナリオでも孤立ノードが出た

限界・課題

global版と local版で precision と豊かさがトレードオフ。選択はユーザーに委ねている
文書（chunk）数が多く非構造な文章ほど解決が難しい。chunk サイズと閾値が結果に影響する
今後の課題：照合指標の改善、閾値をハイパーパラメータとして決める必要をなくすこと、エンティティ型を照合に組み込むこと

要点

ユーザー定義の blueprint で文書を整理し、エンティティ→関係の順に既存グラフと照合しながら逐次追加することで、後処理なしで重複の少ないKGを作る zero-shot 手法
3シナリオで未解決エンティティ／関係の割合をベースラインより下げた