論文の概要: Ontology-Guided Knowledge Graph Construction from Structured Metadata and Climate Science Publications

• arxiv url: http://arxiv.org/abs/2610.32725v1
• Date: Fri, 23 Oct 2026 14:46:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.549198
• Title: Ontology-Guided Knowledge Graph Construction from Structured Metadata and Climate Science Publications
• Title（参考訳）: 構造化メタデータと気候科学出版物を用いたオントロジーガイド型知識グラフの構築
• Abstract要約: Gemini-2.5-flashはコーエンの0.640-0.700ドルのスコアを3人のアノテータに対して達成し、人間と人間の合意範囲は0.616-0.689と一致する。 この枠組みを2000の学術出版物に適用し,133,990個のノードと755,308個の関係を持つ,新しいオントロジーに基づく気候科学の知識グラフを構築した。
• 参考スコア（独自算出の注目度）: 12.7047216557473
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid expansion of scientific literature far outpaces the speed of manual curation, creating a fundamental bottleneck in extracting structured knowledge from scientific texts. To address this, we introduce an agentic, ontology-guided framework for knowledge graph (KG) construction. Our framework utilizes specialized agents for document understanding, information extraction, ontology conformance, and entity linking. First, an LLM extracts factual knowledge in the form of triples with explicit textual evidence from research papers. Then the triplets undergo a multistage verification process to ground the triplets in the ontology. By enforcing schema constraints and requiring evidence in the form of text fragments, we ensure the data is both semantically consistent and traceable. In an agreement study over 1,000 extracted triplets, Gemini-2.5-flash achieves Cohen's $κ$ scores of 0.640--0.700 against three human annotators, matching the human--human agreement range of 0.616--0.689. We applied this framework to 2,000 scientific publications and construct a novel, ontology-grounded KG for climate science with 133,990 nodes and 755,308 relations; of the 23,327 triplets that the publications contribute after validation, 98.96\% are judged correct. The pipeline code and KG is publicly available https://github.com/aayushacharya/climatekg.
• Abstract（参考訳）: 科学文献の急速な拡大は、手作業によるキュレーションの速度をはるかに上回っており、科学文献から構造化された知識を抽出する際の根本的なボトルネックとなっている。 そこで本研究では,知識グラフ構築のためのエージェント型オントロジー誘導フレームワークを提案する。 本フレームワークは,文書理解,情報抽出,オントロジー適合性,エンティティリンクのための特殊エージェントを利用する。 第一に、LLMは研究論文から明白な文書的証拠を用いて、三重項の形で事実知識を抽出する。 次に三重項は多段階の検証プロセスを行い、三重項をオントロジーでグラウンドする。 スキーマの制約を強制し、テキストフラグメントの形式でエビデンスを要求することで、データのセマンティックな一貫性とトレーサビリティを確保します。 1000以上の抽出された三重項からなる合意研究において、ジェミニ・2.5-フラッシュはコーエンの0.640-0.700のκ$スコアを3人のアノテーターに対して達成し、人間と人間の合意範囲は0.616-0.689と一致する。 この枠組みを2000の学術出版物に適用し、133,990個のノードと755,308個の関係を持つ気候科学のための新しいオントロジー基底KGを構築した。 パイプラインコードとKGはhttps://github.com/aayushacharya/climatekgで公開されている。

関連論文リスト

• HERMES: a multi-agent framework for structured knowledge extraction from ultra-long documents in geoscience [41.77130029890288]
  HERMESは、科学文書から構造化データを抽出するスケーラブルなマルチエージェントフレームワークである。 統一されたドキュメントレベルの抽出プロセス内に、ドメイン制約、検証ルール、エビデンストレースを統合する。 このシステムは32,277個の化石と451,878個の属性からなる構造化データベースを作成し、https://treatise.geolex.orgで公開した。
  論文  参考訳（メタデータ） (2026-08-14T07:59:58Z)
• Agents-K1: Towards Agent-native Knowledge Orchestration [59.22667222947257]
  textbfAgents-K1はエンドツーエンドの知識オーケストレーションパイプラインである。 生文書をエージェントネイティブな科学知識グラフに変換する。 我々は6つの被験者にわたる246万件の科学論文を処理し、TextbfScholar-KGを作成し、そのうち100万件の論文のサブセットを公開します。
  論文  参考訳（メタデータ） (2026-06-11T17:58:35Z)
• Higher-Order Knowledge Representations for Agentic Scientific Reasoning [1.1458853556386797]
  本稿では,多義性関係を忠実にエンコードするハイパーグラフに基づく知識表現を構築する手法を提案する。 バイオコンポジット足場上の1,100の写本のコーパスに適用し、161,172個のノードと320,201個のハイパーエッジからなるグローバルなハイパーグラフを構築した。 さらに,ハイパーグラフツールを用いたエージェントシステム,特にノード間制約を用いて,意味論的に離れた概念をブリッジできることを実証した。
  論文  参考訳（メタデータ） (2026-01-08T12:25:37Z)
• Wikontic: Constructing Wikidata-Aligned, Ontology-Aware Knowledge Graphs with Large Language Models [10.130178524819536]
  知識グラフ(KGs)は、大規模言語モデル(LLMs)の構造化、検証可能な基盤を提供する 現在のLLMベースのシステムでは、KGをテキスト検索の補助構造として使用しており、本質的な品質は未探索のままである。 我々はオープンドメインテキストからKGを構成する多段階パイプラインであるWikonticを提案する。
  論文  参考訳（メタデータ） (2025-11-29T18:44:25Z)
• 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)
• Ontology-grounded Automatic Knowledge Graph Construction by LLM under Wikidata schema [60.42231674887294]
  本稿では,Large Language Models (LLMs) を用いた知識グラフ構築のためのオントロジー的アプローチを提案する。 我々は、一貫性と解釈可能性を確保するために、抽出された関係に基づいて、著者によるオントロジーによるKGの基底生成を行う。 我々の研究は、人間の介入を最小限に抑えたスケーラブルなKG建設パイプラインの実現に向けて有望な方向を示し、高品質で人間に解釈可能なKGを生み出す。
  論文  参考訳（メタデータ） (2024-12-30T13:36:05Z)
• The Semantic Scholar Open Data Platform [92.2948743167744]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• Triple Classification for Scholarly Knowledge Graph Completion [1.9322973059079729]
  本稿では,事前学習したトランスフォーマー言語モデルを用いて学術知識グラフ補完を行う手法であるexBERTを提案する。 評価の結果, exBERTは3つの分類, リンク予測, 関係予測のタスクにおいて, 他のベースラインよりも優れていた。 我々は、公共のKGとオンラインリソースから収集した2つの学術データセットを研究コミュニティのリソースとして提示する。
  論文  参考訳（メタデータ） (2021-11-23T13:16:31Z)
• What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
  本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。 本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。 本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2020-11-06T02:23:01Z)

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。