Knowledge Graphs as a source of trust for LLM-powered enterprise question answering
| 項目 | 内容 |
|---|---|
| 論文ID | P52 |
| 区分・分類 | 論文・構造化知識の利用 |
| 著者・所属 | Juan Sequeda（責任著者）、Dean Allemang、Bryon Jacob（3名とも data.world AI Lab, Austin, TX, USA。本文未入手のためDOAJの書誌情報から転記） |
| 発表先 | Journal of Web Semantics |
| 発表日 | 2025-01-15 |
| 引用数 | 25（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.1016/j.websem.2024.100858 |
| 取得できず | |
| 読んだ範囲 | 要旨のみ |
論文タイプ
その他（ポジションペーパー）。要旨に「In this position paper」と明記され、実務経験・産業界のニーズ・今後の研究機会を述べる形式で、新手法の提案や実験の論文ではない。
研究の目標
背景：生成AIは知識やデータを小規模プロジェクトから企業、Web規模まで扱える新しい手段であり、知識ベースシステム・Knowledge Graph・エキスパートシステムでやりたかったことは生成AIで代替でき、他の知識ベース技術は不要になった、と考えたくなる風潮がある。
著者らの立場はこれと逆である。生成AIを使った企業向け質問応答（enterprise question answering）システムを実装した実務経験をもとに、Knowledge Graph がその基盤を支えることを示し、産業界のニーズを提示し、今後の研究貢献の機会を概説することを狙う。
技術的なやり方
新しい手法・データセット・実験の提示ではなく、実務経験に基づく主張である。要旨が挙げる、Knowledge Graph が企業向けLLM質問応答の基盤を支える3つの役割は次のとおり。
| 役割 | 要旨の記述 |
|---|---|
| クエリの検証 | LLM が生成したクエリの妥当性を評価する形式的な枠組み（formal framework）を提供する |
| 結果の説明 | 結果を説明するための基盤になる |
| データへのアクセス | 管理され（governed）信頼できるデータへのアクセスを提供する |
根拠となる実装システムの構成、使ったデータ・モデル、評価手順は要旨に記載なし（本文未入手のため未確認）。
キーワード（DOAJ）：Knowledge Graph、LLM、Large Language Model、Generative AI、Question answering、Knowledge engineering。
参考文献は34件（OUCI掲載）。自然言語によるデータベース質問応答の初期研究（Green の BASEBALL、Hendrix、ATIS-3 corpus など）、text-to-SQL（SQLizer、「Can LLM already serve as a database interface?」など）、LLM と Knowledge Graph の統合（Pan らの roadmap）、著者ら自身の企業SQLデータベース上の質問応答 benchmark とオントロジーによる精度向上の研究、オントロジー工学・企業 Knowledge Graph の設計構築、LLM を使った Knowledge Graph 構築、Explainable AI と Knowledge Graph の文献が含まれる。
結果
数値なし（要旨に数値の記載なし。本文未入手のため、本文中の数値は未確認）。
限界・課題
要旨に記載なし（本文未入手のため未確認）。要旨は「今後の研究貢献の機会を概説する」と述べるのみで、その中身は要旨からは分からない。
要点
生成AIの時代でも Knowledge Graph は不要にならず、企業向けLLM質問応答の「信頼の源」になる、という data.world AI Lab の実務経験に基づくポジションペーパー。Knowledge Graph は、LLM が生成したクエリの妥当性検証、結果の説明、管理された信頼できるデータへのアクセスを支える、と主張する。