論文の概要: Leveraging LLMs for Collaborative Ontology Engineering in Parkinson Disease Monitoring and Alerting

• arxiv url: http://arxiv.org/abs/2512.14288v1
• Date: Tue, 16 Dec 2025 10:58:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.691978
• Title: Leveraging LLMs for Collaborative Ontology Engineering in Parkinson Disease Monitoring and Alerting
• Title（参考訳）: パーキンソン病のモニタリングと治療における協調オントロジー工学の活用
• Authors: Georgios Bouchouras, Dimitrios Doumanas, Andreas Soularidis, Konstantinos Kotis, George A. Vouros,
• Abstract要約: 本稿では,パーキンソン病(PD)モニタリングシステムにおけるLarge Language Models(LLM)の統合について検討する。 主な目的は、LLMだけで包括的で、そうでなくても、人間とX-LLMのコラボレーションがこの目標を達成することができるかどうかを決定することである。 この結果から, 特別工事の整備を含む今後の研究の方向性が示唆された。
• 参考スコア（独自算出の注目度）: 0.41942958779358674
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper explores the integration of Large Language Models (LLMs) in the engineering of a Parkinson's Disease (PD) monitoring and alerting ontology through four key methodologies: One Shot (OS) prompt techniques, Chain of Thought (CoT) prompts, X-HCOME, and SimX-HCOME+. The primary objective is to determine whether LLMs alone can create comprehensive ontologies and, if not, whether human-LLM collaboration can achieve this goal. Consequently, the paper assesses the effectiveness of LLMs in automated ontology development and the enhancement achieved through human-LLM collaboration. Initial ontology generation was performed using One Shot (OS) and Chain of Thought (CoT) prompts, demonstrating the capability of LLMs to autonomously construct ontologies for PD monitoring and alerting. However, these outputs were not comprehensive and required substantial human refinement to enhance their completeness and accuracy. X-HCOME, a hybrid ontology engineering approach that combines human expertise with LLM capabilities, showed significant improvements in ontology comprehensiveness. This methodology resulted in ontologies that are very similar to those constructed by experts. Further experimentation with SimX-HCOME+, another hybrid methodology emphasizing continuous human supervision and iterative refinement, highlighted the importance of ongoing human involvement. This approach led to the creation of more comprehensive and accurate ontologies. Overall, the paper underscores the potential of human-LLM collaboration in advancing ontology engineering, particularly in complex domains like PD. The results suggest promising directions for future research, including the development of specialized GPT models for ontology construction.
• Abstract（参考訳）: 本稿では,Parkinson's Disease(PD)モニタリングおよび警告オントロジーの工学におけるLarge Language Models(LLM)の統合について,One Shot(OS)プロンプト技術,Chain of Thought(CoT)プロンプト,X-HCOME,SimX-HCOME+の4つの主要な手法を用いて検討する。 第一の目的は、LLMだけで包括的なオントロジーを作成できるかどうかを判断することであり、そうでなくても、人間とLLMのコラボレーションがこの目標を達成することができるかどうかである。 そこで本研究では,自動オントロジー開発におけるLCMの有効性と,人間とLLMの協調によって達成される拡張性を評価する。 最初のオントロジー生成はOne Shot (OS) と Chain of Thought (CoT) のプロンプトを用いて行われ、LDMがPDモニタリングと警告のためのオントロジーを自律的に構築できることが実証された。 しかし、これらの出力は包括的ではなく、その完全性と正確性を高めるために人間の実質的な改良を必要とした。 人間の専門知識とLLM能力を組み合わせたハイブリッドオントロジーエンジニアリングアプローチであるX-HCOMEは、オントロジーの包括性を大幅に改善した。 この方法論は、専門家によって構築されたものと非常によく似たオントロジーを生み出した。 SimX-HCOME+によるさらなる実験は、継続的な人間の監督と反復的な改善を強調する別のハイブリッド手法であり、継続する人間の関与の重要性を強調した。 このアプローチはより包括的で正確なオントロジーの創出につながった。 全体として、この論文は、特にPDのような複雑な領域において、オントロジー工学の進歩における人間とLLMのコラボレーションの可能性を強調している。 その結果, オントロジー構築のための特殊なGPTモデルの開発など, 将来的な研究の方向性が示唆された。

関連論文リスト

• A Versatile Pathology Co-pilot via Reasoning Enhanced Multimodal Large Language Model [27.983545541209455]
  本稿では、ROIレベルとWSIレベルのタスクを同時に処理できる汎用MLLMであるSmartPath-R1を提案する。 本フレームワークは,スケール依存型微調整とタスク認識型強化微調整を組み合わせることで,チェーン・オブ・ファシリテータの必要性を回避する。
  論文  参考訳（メタデータ） (2025-07-23T08:09:42Z)
• LLM-Based Human-Agent Collaboration and Interaction Systems: A Survey [34.275920463375684]
  大規模言語モデル(LLM)は、完全に自律的なエージェントの構築への関心が高まっている。 LLM-HASは、システムの性能、信頼性、安全性を高めるために、人為的な情報、フィードバック、制御をエージェントシステムに組み込む。 本稿は, LLM-HASの総合的かつ構造化された最初の調査である。
  論文  参考訳（メタデータ） (2025-05-01T08:29:26Z)
• From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
  クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。 本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
  論文  参考訳（メタデータ） (2024-09-19T02:51:54Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• When Large Language Models Meet Evolutionary Algorithms: Potential Enhancements and Challenges [50.280704114978384]
  事前訓練された大規模言語モデル(LLM)は、自然なテキストを生成する強力な能力を示す。 進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。
  論文  参考訳（メタデータ） (2024-01-19T05:58:30Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
  Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。 人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。 我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
  論文  参考訳（メタデータ） (2023-09-30T07:11:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。