論文の概要: LLM-Assisted Discovery of Typed Semantic Links for Ontology Network Construction

• arxiv url: http://arxiv.org/abs/2610.01393v1
• Date: Thu, 01 Oct 2026 09:59:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.044546
• Title: LLM-Assisted Discovery of Typed Semantic Links for Ontology Network Construction
• Title（参考訳）: LLMによるオントロジーネットワーク構築のためのタイプ付きセマンティックリンクの発見
• Abstract要約: ドメイン内およびドメイン間関係の発見と生成を自動化するネットワーク構築のためのエンドツーエンドフレームワークを提案する。 提案手法では,ドメイン適応型 DistilBERT 埋め込みを高密度表現,コンテキストクラスタリングに基づく事前フィルタリング,GPT-4o による関係生成と組み合わせた。 2つの独立アノテータによって生成された429の人間専門家による検証では、全体的な精度は80.19%(高信頼アノテーションでは91.49%)、F1は0.890であり、実質的なアノテータ間合意である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constructing typed, justified semantic links between ontologies is essential for enabling interoperability across heterogeneous and interdisciplinary knowledge domains. However, manually curating such links is difficult to scale. To address this challenge, we propose an end-to-end framework for ontology network construction that automates the discovery and generation of both intra-domain and inter-domain relationships. Our approach combines domain-adapted DistilBERT embeddings for dense contextual representation, clustering-based pre-filtering to reduce the candidate search space, and GPT-4o-driven relationship generation via iterative prompt engineering to produce semantically rich, interpretable links. Applied to ReproduceMeON - a network of 33 ontologies spanning machine learning, microscopy, computational science, and experimental workflow - the pipeline reduces approximately 800k raw concept pairs to 95k high-quality candidates. Human expert validation of 429 generated relationships by two independent annotators yields an overall precision of 80.19% (91.49% on high-certainty annotations) and an F1 of 0.890, with substantial inter-annotator agreement. Comparative experiments against five similarity-based baselines, including Sentence-BERT, show a substantial performance gap (best baseline F1 = 0.581), while an ablation study demonstrates that similarity-based methods alone fail to discriminate valid from invalid relationships (AUC approx 0.5) on the filtered candidate set. These findings highlight the necessity of LLM-based reasoning over concept roles and domain semantics for accurate relationship construction.
• Abstract（参考訳）: オントロジ間の型付き、正当化されたセマンティックリンクの構築は、異種および学際的な知識ドメイン間の相互運用性を実現するために不可欠である。 しかし、このようなリンクを手作業でキュレートすることは困難である。 この課題に対処するため,ドメイン内およびドメイン間関係の発見と生成を自動化するオントロジーネットワーク構築のためのエンドツーエンドフレームワークを提案する。 提案手法では,ドメイン適応型 DistilBERT 埋め込みによるコンテキスト表現,クラスタリングに基づく事前フィルタリングによる検索空間の削減,および反復的プロンプトエンジニアリングによる GPT-4o による関係生成を組み合わせ,意味論的にリッチで解釈可能なリンクを生成する。 ReproduceMeON - 機械学習、顕微鏡、計算科学、実験ワークフローにまたがる33のオントロジからなるネットワーク。パイプラインは、約800万の生のコンセプトペアを95万の高品質な候補に還元する。 2つの独立アノテータによる429の人間専門家による関係の検証では、全体的な精度は80.19%(高信頼アノテーションでは91.49%)、F1は0.890であり、実質的なアノテータ間合意である。 Sentence-BERTを含む5つの類似性ベースのベースラインの比較実験は、大きな性能差(ベストベースラインF1 = 0.581)を示し、一方アブレーション研究では、類似性ベースのメソッドだけでは、フィルタされた候補集合上の無効な関係(AUC Approx 0.5)から妥当な関係を識別できないことを示した。 これらの結果は, 概念的役割に対するLLMに基づく推論の必要性と, 正確な関係構築のためのドメイン意味論の必要性を浮き彫りにした。

関連論文リスト

• Custom Named Entity Recognition and Topic Classification for Global Health Publications [0.3823356975862005]
  この論文は、セマンティックタグ発見、名前付きエンティティ認識(NER)、マルチラベルトピック分類の実験を通じて課題を調査する。 まず, プログレッシブな特殊コーパスをトレーニングしたスキップグラム word2vec モデルを BioWordVec と比較し, コーパスサイズとドメインコンテキストがタグ発見に与える影響を評価する。 この分析結果はエンティティ抽出に変わり、1000の注釈付き文で畳み込みのspurCyモデルとRoBERTaベースの変換器を比較した。
  論文  参考訳（メタデータ） (2026-09-21T14:09:53Z)
• Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis [55.78822230833247]
  We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。 インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。 インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
  論文  参考訳（メタデータ） (2026-08-20T17:51:48Z)
• Automated Generation of Complexity-Validated Decision Scenarios Using Large Language Models [1.6249267147413524]
  意思決定の研究は、注意深く制御された複雑さを持つ多様なシナリオに依存します。 LLmsを使って構造化決定シナリオを生成する自動パイプラインを開発した。 我々は、複数のドメインと複雑性層にわたる4,238のシナリオを評価した。
  論文  参考訳（メタデータ） (2026-08-09T17:12:48Z)
• INTACT: Ego-Guided Typed Sparse Evidence Retrieval for Heterogeneous Collaborative Perception [50.64511548643398]
  異種知覚のためのエゴ誘導型スパースエビデンス検索フレームワークを提案する。 IntACTは、エゴの車両に、疑わしい物やエビデンスに欠ける地域を表す型付きエビデンスクエリを発行する。 シミュレーションおよび実世界の異種知覚ベンチマークの実験は、INTACTの有効性とデプロイ性を検証する。
  論文  参考訳（メタデータ） (2026-06-03T04:34:53Z)
• AI Mental Models: Learned Intuition and Deliberation in a Bounded Neural Architecture [0.0]
  本稿では,有界なニューラルアーキテクチャが,シロジカル推論ベンチマーク上での直観と熟考の間に有意義な分断を生じさせるかどうかを問う。 実験1では、5倍のクロスバリデーションの下で、完全な9方向の人間の応答分布を予測するための直接神経ベースラインを評価した。 実験2では、計算的精神モデル理論に動機づけられた、直観と熟考の別々の経路を持つ有界なデュアルパスアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2026-03-23T20:44:38Z)
• Amortized Reasoning Tree Search: Decoupling Proposal and Decision in Large Language Models [2.5170433424424874]
  Reinforcement Learning with Verifiable Rewardsは、大規模言語モデルにおける厳格な推論能力を取り入れるための支配的なパラダイムとして、自らを確立している。 このアライメントプロセスにおいて重要な病理は、有効だが稀な(ベースモデル分布下での低様相)推論経路の体系的抑制である。 本稿では,ベースモデルの潜伏多様性を捨てることなく,この崩壊を防止すべく,ARTS(Amortized Reasoning Tree Search)を提案する。
  論文  参考訳（メタデータ） (2026-02-13T11:52:50Z)
• 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)
• Boosting Neural Language Inference via Cascaded Interactive Reasoning [38.125341836302525]
  自然言語推論(NLI)は、与えられた前提と仮説の間の論理的関係の確認に焦点を当てている。 この課題は、多様な言い回し、意味的複雑さ、文脈的ニュアンスといった固有の言語的特徴により、重大な課題を提起する。 NLIにおける深い意味理解のために設計された新しいアーキテクチャであるCascaded Interactive Reasoning Network (CIRN)を紹介する。
  論文  参考訳（メタデータ） (2025-05-10T11:37:15Z)
• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Generalizable Heterogeneous Federated Cross-Correlation and Instance Similarity Learning [60.058083574671834]
  本稿では,新しいFCCL+,フェデレーション相関と非ターゲット蒸留との類似性学習を提案する。 不均一な問題に対しては、無関係な公開データを通信に活用する。 局所的な更新段階における破滅的な忘れ物として、FCCL+はFederated Non Target Distillationを導入している。
  論文  参考訳（メタデータ） (2023-09-28T09:32:27Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。