신경과학 연구 간행물에서 지식을 효과적으로 검색하고 새로운 통찰력을 얻기 위해, 대규모 언어 모델(LLM), 신경과학 온톨로지 및 텍스트 임베딩을 활용하여 레이블이 없는 대규모 신경과학 연구 코퍼스에서 지식 그래프(KG)를 구축하는 새로운 방법을 제안합니다. 제안된 방법은 LLM으로 식별된 신경과학 텍스트 세그먼트의 의미적 관련성을 분석하고, KG에서 지식을 추출하기 위한 엔티티-확장 정보 검색 알고리즘을 도입합니다. 실험 결과는 제안된 방법이 레이블이 없는 신경과학 연구 코퍼스에서 지식 발견을 크게 향상시키고, 엔티티 및 관계 추출에 대한 성능이 기존의 지도 학습 방법과 유사하며, PubMedQA 데이터세트 및 선택된 신경과학 엔티티를 사용하여 생성된 질문에 대한 답변을 향상시킴을 보여줍니다.
