論文の概要: LLM-Assisted Ontology Engineering and Construction of a French Legal Knowledge Graph

• arxiv url: http://arxiv.org/abs/2607.24551v1
• Date: Mon, 27 Jul 2026 15:26:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.47617
• Title: LLM-Assisted Ontology Engineering and Construction of a French Legal Knowledge Graph
• Title（参考訳）: LLM支援オントロジー工学とフランスの法学知識グラフの構築
• Abstract要約: 本稿では、フランスの保守規制のための2段階LLM支援ワークフローを提案する。 第1段階は、成層コーパス試料からタイプドエンティティとトリプルのオープン抽出である。 第2段階では、結果として生じるオントロジーを用いて、三重項の閉抽出とRDFグラフ構築を全コーパス上で導く。
• 参考スコア（独自算出の注目度）: 2.940150296806761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maintenance regulations are complex legal texts that are difficult to exploit when addressing a specific case and challenging to integrate into operational systems. This paper presents a two-stage LLM-assisted workflow for French maintenance regulations: ontology engineering from a SEMLEG-based core ontology, followed by construction of an ontology-grounded French legal knowledge graph. The first stage consists in the open extraction of typed entities and triples from a stratified corpus sample, the normalization of labels through embedding-based fusion, and the induction of candidate object properties with their signature (domain and range). The second stage uses the resulting ontology to guide the closed extraction of triples and RDF graph construction over the full corpus. Experiments with GPT-4.1 and mistral-large-2512 show robust structured outputs, near-complete class alignment, and a substantial reduction of duplicated entities and predicates after fusion. Fewer than 20% of triples introduce unseen properties, while lower exact signature compliance reveals new domain-range combinations for existing predicates. These results point to predicate normalization and the validation of newly observed relation signatures as key refinement steps for industrial maintenance settings.
• Abstract（参考訳）: 保守規則は、特定のケースに対処する際に利用し難い複雑な法的文書であり、運用システムへの統合を困難にしている。 本稿では,SEMLEGをベースとしたコアオントロジーからのオントロジー工学と,オントロジーを基盤としたフランス法知識グラフの構築という,フランスの保守規制のための2段階LLM支援ワークフローを提案する。 第1段階は、階層化されたコーパスサンプルからの型付きエンティティとトリプルのオープン抽出、埋め込みベースの融合によるラベルの正規化、およびそれらのシグネチャ(ドメインと範囲)による候補対象特性の誘導である。 第2段階では、結果として生じるオントロジーを用いて、三重項の閉抽出とRDFグラフ構築を全コーパス上で導く。 GPT-4.1とMistral-large-2512の実験では、強い構造的出力、ほぼ完全なクラスアライメント、融合後の重複物質と述語が大幅に減少している。 20%未満のトリプルが目に見えないプロパティを導入し、低い精度のシグネチャコンプライアンスは、既存の述語に対する新しいドメイン範囲の組み合わせを明らかにします。 これらの結果から, 産業用メンテナンス設定の鍵となる改良段階として, 正規化と新たに観測された関係シグネチャの妥当性が示唆された。

関連論文リスト

• Job Skill Extraction via LLM-Centric Multi-Module Framework [51.37063712967151]
  本稿では,意味検索,文脈内学習,教師付き微調整を組み合わせたLLM中心のフレームワークであるSRICLを提案する。 SRICLは、6つの公的なスパンラベル付きジョブアド文のコーパスにおいて、GPT-3.5よりも相当なSTRICT-F1の改善を達成し、ベースラインを加速し、無効なタグと幻覚したスパンを激減する。
  論文  参考訳（メタデータ） (2026-04-23T10:46:07Z)
• IMPACT: A Dataset for Multi-Granularity Human Procedural Action Understanding in Industrial Assembly [79.737814043505]
  IMPACTは、デプロイメント指向の産業手続き的理解のための5ビューのRGB-Dデータセットである。 実際の組み立てと、プロ向けのツールを備えた商業用アングルグラインダーの分解を中心に構築されている。
  論文  参考訳（メタデータ） (2026-04-12T02:09:19Z)
• Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering [75.50670592447219]
  分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を共同でモデル化することによって、ノードを凝集性グループに分割する基本的な教師なしタスクである。 この調査は、3つの相補的な視点からAGCを包括的かつ工業的に基礎づけたレビューを提供する。
  論文  参考訳（メタデータ） (2026-03-21T14:15:34Z)
• OMNIA: Closing the Loop by Leveraging LLMs for Knowledge Graph Completion [5.1405091437027455]
  我々は、知識グラフ補完のための構造的および意味論的推論を橋渡しする2段階のアプローチであるOMNIAを提案する。 まず、KG内の意味論的関連エンティティと関係をクラスタリングして候補三重項を生成し、その後、軽量な埋め込みフィルタリングによってそれらを検証する。 F1スコアは従来の埋め込みベースのモデルに比べて大幅に改善されている。
  論文  参考訳（メタデータ） (2026-03-12T11:30:41Z)
• AULLM++: Structural Reasoning with Large Language Models for Micro-Expression Recognition [30.62262381459829]
  AULLM++は大規模言語モデル(LLM)を活用した推論指向フレームワークである AU予測をエビデンス構築、構造モデリング、推論に基づく予測の3段階に定式化する。 AULLM++は、標準ベンチマークで最先端のパフォーマンスを実証する。
  論文  参考訳（メタデータ） (2026-03-09T13:45:21Z)
• LEC-KG: An LLM-Embedding Collaborative Framework for Domain-Specific Knowledge Graph Construction -- A Case Study on SDGs [2.3873490763985408]
  LEC-KGは、Large Language Models (LLM) の意味的理解と知識グラフ埋め込み (KGE) の構造的推論を統合する 我々のフレームワークは、構造化されていないポリシーテキストを検証済みの知識グラフに確実に変換する。
  論文  参考訳（メタデータ） (2026-02-02T13:37:17Z)
• Improving LLM Reasoning with Homophily-aware Structural and Semantic Text-Attributed Graph Compression [55.51959317490934]
  大規模言語モデル(LLM)は、テキスト分散グラフ(TAG)理解において有望な能力を示している。 グラフは本来、構造情報や意味情報を豊富に含むものであり、それらの有効利用はLLMの推論性能の潜在的な利益を解放する可能性があると論じる。 グラフホモフィリーの活用を目的としたフレームワーク LLMs (HS2C) のホモフィリー対応構造とセマンティック圧縮を提案する。
  論文  参考訳（メタデータ） (2026-01-13T03:35:18Z)
• LLM-based Triplet Extraction for Automated Ontology Generation in Software Engineering Standards [0.0]
  ソフトウェアエンジニアリング標準(SES)は、長い、構造化されていないテキスト(高いノイズを伴う)とドメイン固有の用語の段落から構成される。 本研究では,オープンソースの大規模言語モデル (LLM) を用いたSESのためのRTEアプローチを提案する。
  論文  参考訳（メタデータ） (2025-08-29T17:14:54Z)
• Graph-KV: Breaking Sequence via Injecting Structural Biases into Large Language Models [63.64507678113921]
  構造的帰納バイアスを通して相互作用を管理するグラフ-KVを導入する。 このフレームワークでは、「ターゲット」セグメントは指定された「ソース」セグメントのKV-cacheのみに選択的に参加する。 我々は,(1)直接推論,マルチホップ推論,長期文書理解にまたがる7つのRAGベンチマーク,(2)引用エゴグラフとして構造化された全文科学論文を用いた新しい学術論文QAタスクArxiv-QA,(3)引用ネットワーク内の論文トピック分類の3つのシナリオでグラフ-KVを評価する。
  論文  参考訳（メタデータ） (2025-06-09T00:30:08Z)
• Unsupervised Robust Cross-Lingual Entity Alignment via Neighbor Triple Matching with Entity and Relation Texts [17.477542644785483]
  言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。 近隣の3重マッチング戦略により、エンティティレベルとリレーレベルアライメントを共同で実行するEAパイプライン。
  論文  参考訳（メタデータ） (2024-07-22T12:25:48Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)

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。