生成本体归纳：使用大型语言模型从文档语料库中发现与领域无关的模式

arXiv:2607.16201v1 发布类型：新 摘要：本体工程仍然是知识密集型人工智能系统的关键瓶颈。现有的自动化方法要么依赖于预定义的模式，在狭窄的领域内运行，要么产生不适合下游管道的非结构化输出。我们引入了生成本体归纳（GOI），这是一个与领域无关的框架，它从示例语料库中归纳生成蓝图 - 实体、维度、属性、关系和约束，并将其导出为 YAML/JSON 中的类型图（六种节点类型，七种边缘类型）。我们引入了节点覆盖分数，这是一种新颖的评估指标，用于测量生成的输出中出现的结构本体节点（类、属性和维度）的比例。对四个对比本体（熟悉的软件服务发票模式、自定义工作描述本体、机密疼痛管理临床就诊记录本体以及专业服务合同和工作说明书本体）的受控生成验证表明，GOI 提示的生成覆盖了每种情况下 95-100% 的结构主干；通用三字段模板在发票模式上的占比为 97.8%，但在职位描述本体上的占比下降到 52.2%，在疼痛管理本体上的占比为 62.2%，在专业服务合同本体上的占比为 78.3%。无论文档类型对模型有多熟悉，结构覆盖范围都成立。