Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Retrieval-Augmented Generation of Ontologies from Relational Databases

Created by
  • Haebom

저자

Mojtaba Nayyeri, Athish A Yogi, Nadeen Fathallah, Ratan Bahadur Thapa, Hans-Michael Tautenhahn, Anton Schnurpel, Steffen Staab

개요

본 논문은 관계형 데이터베이스를 풍부한 온톨로지가 포함된 지식 그래프로 변환하는 LLM 기반 접근 방식인 RIGOR(Retrieval-augmented Iterative Generation of RDB Ontologies)를 제시합니다. RIGOR은 데이터베이스 스키마 및 설명, 도메인 온톨로지 저장소, 그리고 성장하는 코어 온톨로지를 활용하여 생성형 LLM을 프롬프트하여 온톨로지 조각들을 생성하고, 판단 LLM을 통해 개선하며, 외래 키 제약 조건을 따라 테이블별로 반복하여 최종 온톨로지를 생성합니다. 기존 방식과 달리 최소한의 수작업으로 정확성, 완전성, 간결성, 적응성, 명확성, 일관성 등의 품질 기준을 충족하는 온톨로지를 생성하는 것을 목표로 합니다.

시사점, 한계점

•
시사점:
◦
최소한의 수작업으로 관계형 데이터베이스를 풍부한 OWL 온톨로지로 변환 가능
◦
생성된 온톨로지는 정확성, 완전성, 간결성 등 높은 품질 기준 충족
◦
LLM 기반 접근 방식을 통해 자동화된 온톨로지 생성 가능
◦
향상된 의미적 상호 운용성 및 그래프 기반 학습 및 추론 가능
•
한계점:
◦
LLM의 성능에 의존적이며, LLM의 한계가 온톨로지 품질에 영향을 미칠 수 있음.
◦
특정 도메인에 대한 전문 지식이 부족할 경우 온톨로지 생성의 정확도가 떨어질 수 있음.
◦
LLM 프롬프트 엔지니어링 및 판단 LLM의 성능 최적화가 중요하며, 이에 대한 추가적인 연구가 필요함.
◦
대규모 데이터베이스에 대한 적용 시 성능 및 확장성 문제 발생 가능성 존재.
👍
Made with Slashpage