Automating construction contract review using knowledge graph-enhanced large language models
| 項目 | 内容 |
|---|---|
| 論文ID | P56 |
| 区分・分類 | 論文・応用 |
| 著者・所属 | Chunmo Zheng、Saika Wong、Xing Su、Ahsan Nawaz（Zhejiang University）、Yinqiu Tang（PowerChina Huadong Engineering Corporation Limited）、Mohamad Kassem（Newcastle University） |
| 発表先 | Automation in Construction |
| 発表日 | 2025-04-12 |
| 引用数 | 62（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.1016/j.autcon.2025.106179 |
| 論文/pdf/P56.pdf | |
| 読んだ範囲 | 全文（arXiv v2 版） |
論文タイプ
応用。GraphRAG と RDF-star の知識グラフを建設契約のリスクレビューに適用し、そのための知識グラフモデル（NCKG）を設計・評価している。
研究の目標
建設契約のリスク特定は手作業や手作りルールで行われ、時間がかかり誤りも出る。既存の NLP 手法はルール作成や注釈データを要し、条項の入れ子になった意味（条件・期限・例外）を捉えられない。LLM はドメイン知識不足で hallucination を起こす。契約の入れ子構造を表す知識グラフを LLM に渡すことで、チューニング不要のままリスク特定の精度と説明可能性が上がるかを検証する。
技術的なやり方
| 段階 | 内容 |
|---|---|
| NCKG（Nested Contract Knowledge Graph） | トリプルを「Event」ノードとして扱い、制約や他の Event をつなぐ入れ子構造を RDF-star で記述。上位クラスは ContractActor／ContractObject／ContractProperty／ContractConstraint／ContractEvent。Event 間に hasCondition・unless・within2weeksOf 等の関係を定義 |
| リスク接続 | Event・制約クラスを hasRiskCategory でリスクカテゴリ（Assignment／Payment／Temporal／Financial／DSC／Liability）に対応付け。リスク種別は Ambiguity／Unbalanced Obligation／No Risk |
| 構築 | LLM プロンプトで固有表現抽出と関係リンクを行い人手で確認（半自動）。FIDIC・NEC の143条項から335トリプル（入れ子179）を GraphDB に格納 |
| 検索・生成 | LLM が条項から主要語を2つ抽出 → TF-IDF で NCKG に対応付け → SPARQL で関連トリプルと候補ラベルを取得 → プロンプトに入れて「カテゴリ-種別」判定とリスク要約を出力 |
比較は LLM-only と Vector database-enhanced（Milvus、cosine 類似度で最も近い条項1件）。モデルは GPT-4o と LLaMA3。テストは国際建設プロジェクトのリスク条項18件（専門家5名の合意で正解付け）。指標は RE-score（ラベルのマクロ平均 F1）と RS-score（専門家作成の要約との比較）。
結果
| モデル | LLM-only RE / RS | Vector DB RE / RS | NCKG RE / RS |
|---|---|---|---|
| GPT-4o | 58.7 / 78.9 | 58.7 / 80.8 | 71.1 / 84.4 |
| LLaMA3 | 57.9 / 77.2 | 57.9 / 76.7 | 64.3 / 81.4 |
（%）。前払金条項の事例では、LLM-only は全ラベル「No risk」、Vector DB と NCKG は Payment・Financial のリスクを検出した。
限界・課題
- KG 構築に人手の検証が残り、規模を広げにくい
- 契約変更・法改正に合わせた KG の動的更新の仕組みがない
- RS-score は専門家評価頼みで、客観的な指標が必要
- 他の契約形式への汎化、プロジェクト固有の文脈（工程・予算等）の取り込み、評価 LLM の拡大が未対応
要点
契約の条件・期限・例外の入れ子を RDF-star の知識グラフで表し GraphRAG で LLM に渡すと、LLM 単体やベクトル検索よりリスク判定と要約が良くなることを18条項で示した。