論文の概要: Generative Ontology Induction: Domain-Agnostic Schema Discovery from Document Corpora Using Large Language Models
- arxiv url: http://arxiv.org/abs/2607.16201v1
- Date: Fri, 01 May 2026 14:36:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.029106
- Title: Generative Ontology Induction: Domain-Agnostic Schema Discovery from Document Corpora Using Large Language Models
- Title（参考訳）: 生成オントロジー誘導:大規模言語モデルを用いた文書コーパスからのドメインに依存しないスキーマ発見
- Abstract要約: 生成オントロジー(GOI)は、サンプルのコーパスから生成的ブループリントを誘導する。
GOIプロンプテッド生成は、すべてのケースにおいて、構造的バックボーンの95-100%をカバーしている。
Node Coverage Scoreは、生成された出力における構造ノードの分数を測定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ontology engineering remains a critical bottleneck in knowledge-intensive AI systems. Existing automated approaches either depend on predefined schemas, operate within narrow domains, or produce unstructured outputs unsuitable for downstream pipelines. We introduce Generative Ontology Induction (GOI), a domain-agnostic framework that induces a generative blueprint - entities, dimensions, properties, relationships, and constraints - from a corpus of examples and exports it as a typed graph (six node types, seven edge types) in YAML/JSON. We introduce the Node Coverage Score, a novel evaluation metric that measures the fraction of structural ontology nodes (classes, properties, and dimensions) appearing in generated outputs. A controlled generative validation on four contrasting ontologies - a familiar Software Services Invoice schema, a custom Job Description Ontology, a confidential Pain-Management Clinical Visit Record Ontology, and a Professional Services Contract & Statement of Work Ontology - shows that GOI-prompted generation covers 95-100% of the structural backbone in every case; a generic three-field template holds at 97.8% on the invoice schema but drops to 52.2% on the Job Description Ontology, 62.2% on the Pain-Management ontology, and 78.3% on the Professional Services Contract ontology. The structural coverage holds regardless of how familiar the document type is to the model.
- Abstract（参考訳）: オントロジーエンジニアリングは、知識集約型AIシステムにおいて、依然として重要なボトルネックとなっている。
既存の自動化アプローチは、事前に定義されたスキーマに依存するか、狭いドメイン内で運用するか、あるいは下流パイプラインには適さない非構造化アウトプットを生成する。
本稿では、実例のコーパスから生成的青写真(エンティティ、次元、特性、関係、制約)を誘導するドメインに依存しないフレームワークである生成オントロジー誘導(GOI)を紹介し、YAML/JSONの型付きグラフ(6ノードタイプ、7エッジタイプ)としてエクスポートする。
生成した出力に現れる構造オントロジーノード(クラス、プロパティ、次元)の分数を測定する新しい評価指標であるNode Coverage Scoreを導入する。
4つの対照的なオントロジー - 慣れ親しんだソフトウェアサービス請求書スキーマ、カスタムジョブ記述オントロジー、秘密のペイン・マネジメント・臨床訪問記録オントロジー、およびプロフェッショナルサービス契約と作業オントロジー - の制御された生成物は、すべてのケースにおいて構造的バックボーンの95-100%をカバーし、一般的な3フィールドテンプレートは、請求書スキーマでは97.8%、ジョブ記述オントロジーでは52.2%、ペイン・マネジメントオントロジーでは62.2%、プロフェッショナルサービス契約オントロジーでは78.3%である。
構造的カバレッジは、ドキュメントタイプがモデルにどの程度精通しているかに関わらず保持します。
関連論文リスト
- Template-as-Ontology: Configurable Synthetic Data Infrastructure for Cross-Domain Manufacturing AI Validation [0.0]
1つのPython構成モジュールは、タイムステップ製造シミュレータの仕様として機能する。
5層パイプライン-シミュレート、CDC/Icebergレイクハウス、スタースキーマ、12のパラメータ化されたAIツール-は、因果的に一貫性のあるMES型のデータを生成します。
このフレームワークは、個別の製造AIバリデーションのための再利用可能なデータ層を提供する。
論文 参考訳（メタデータ） (2026-05-11T21:36:05Z) - A Semi-Automated Annotation Workflow for Paediatric Histopathology Reports Using Small Language Models [0.0]
本研究では,小言語モデル(SLM)を用いた資源効率のよい半自動アノテーションワークフローを開発し,構造化EPRデータから構造化情報を抽出する。
概念実証として、本ワークフローを小児腎生検報告、その制約された診断範囲と明確に定義された基礎生物学に応用した領域に適用する。
SLMを用いた自動情報抽出手法を開発しながら,本ワークフローを3つの会議の臨床的監視とともに反復的に開発し,グレート・オーモンド・ストリート病院の2,111件のデータセットから400件の報告をゴールドスタンダードとして手動で注釈付けする。
論文 参考訳（メタデータ） (2026-04-05T16:15:39Z) - OntoKG: Ontology-Oriented Knowledge Graph Construction with Intrinsic-Relational Routing [0.3642823642133188]
本稿では,大規模知識グラフを型付きプロパティグラフに編成するオントロジー指向のアプローチを提案する。
中心となるメカニズムは内在的リレーショナルルーティングであり、すべての特性を内在的またはリレーショナルに分類する。
このルーティングは宣言型スキーマを生成し、ストレージバックエンド間で可搬可能で、独立して再利用可能なものだ。
論文 参考訳（メタデータ） (2026-04-03T01:17:51Z) - Ontology-Aware Design Patterns for Clinical AI Systems: Translating Reification Theory into Software Architecture [0.0]
臨床AIシステムは、ドキュメント、請求インセンティブ、用語の断片化によって構造的に歪められた健康データを定期的に訓練する。
本稿では,Gang-of-Fourパターン言語における7つの設計パターンを提案する。
論文 参考訳（メタデータ） (2026-04-02T06:05:11Z) - Generative Ontology: When Structured Knowledge Learns to Create [0.0]
生成オントロジー(Generative Ontology)は、ドメイン知識をDSPyシグネチャを介してLLM生成を制約する実行可能なピダンティックスキーマとしてエンコードする。
我々はGameGrammarというフレームワークを実演し、完全なテーブルトップゲームデザインを作成し、3つの経験的研究を提示する。
論文 参考訳（メタデータ） (2026-02-05T13:14:20Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - AutoSchemaKG: Autonomous Knowledge Graph Construction through Dynamic Schema Induction from Web-Scale Corpora [51.77079220622184]
完全自律的な知識グラフ構築のためのフレームワークであるAutoKGを提案する。
大規模言語モデルを利用して知識トリプルを同時に抽出し,テキストから直接包括的なスキーマを誘導する。
我々は,9億以上のノードと590億のエッジを持つ知識グラフ群であるATLAS(Automated Triple Linking And induction)を構築した。
論文 参考訳（メタデータ） (2025-05-29T16:34:58Z) - PathLDM: Text conditioned Latent Diffusion Model for Histopathology [62.970593674481414]
そこで我々は,高品質な病理像を生成するためのテキスト条件付き遅延拡散モデルPathLDMを紹介した。
提案手法は画像とテキストデータを融合して生成プロセスを強化する。
我々は,TCGA-BRCAデータセット上でのテキスト・ツー・イメージ生成において,SoTA FIDスコア7.64を達成し,FID30.1と最も近いテキスト・コンディショナブル・コンペティタを著しく上回った。
論文 参考訳（メタデータ） (2023-09-01T22:08:32Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - Artificial Text Detection via Examining the Topology of Attention Maps [58.46367297712477]
トポロジカルデータ分析(TDA)に基づく3種類の解釈可能なトポロジカル特徴を提案する。
BERTモデルから派生した特徴が3つの共通データセットにおいて、カウントベースとニューラルベースベースラインを最大10%上回っていることを実証的に示す。
特徴の探索解析は表面に対する感度と構文的性質を明らかにしている。
論文 参考訳（メタデータ） (2021-09-10T12:13:45Z) - Low-Resource Task-Oriented Semantic Parsing via Intrinsic Modeling [65.51280121472146]
私たちは本質的にオントロジーラベルについて知っているものを利用して、効率的なセマンティック解析モデルを構築します。
我々のモデルはTOPv2から派生した低リソースのベンチマークを用いて高効率である。
論文 参考訳（メタデータ） (2021-04-15T04:01:02Z)
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。