OLaLa: Ontology Matching with Large Language Models
以下は、上記の論文のアブストラクトをChatGPTに解釈させたものです。解釈の正確性について保証はいたしません。
本研究の学術的背景、研究課題の核心は、オントロジーマッチングと呼ばれるタスクにおいて、大規模言語モデルを活用して情報を処理する方法を探ることです。オントロジーマッチングとは、異なる知識グラフ間でクラス、プロパティ、インスタンスなどの対応関係を自動的に見つけるタスクであり、それには自然言語の情報が重要な要素となります。本研究では、大規模言語モデルを用いてオントロジーマッチングのタスクに取り組み、いくつかの重要な決定要素について調査します。
本研究の目的は、複数のオープンな大規模言語モデルを用いて、オントロジーマッチングのタスクに対してゼロショットおよびフューショットのプロンプティングを適用することであり、その結果をOntology Alignment Evaluation Initiative（OAEI）のさまざまなタスクにおいて評価することです。本研究の学術的な独自性と創造性は、ごくわずかな例文と適切なプロンプティングの設計によって、グラウンドトゥルースの一部を使用する教師ありのマッチングシステムと同等の結果を得ることが可能であることを示すことです。
本研究の着想は、セマンティックウェブやリンクされたオープンデータの初期から、データ統合が重要な役割を果たしていることに由来します。個々のデータセットやコンセプトの一意の名前の前提をしないオープンなWebの性質から、異なるURIが同じ実世界の概念を表していることを明確にする必要があります。そして、オントロジーマッチングのタスクでは、2つの異なる知識グラフのクラス、プロパティ、インスタンスなどの対応関係を自動的に見つける必要があります。最近では、大規模言語モデルの登場により、テキストの記述がオントロジーマッチングシステムにおいてますます重要な役割を果たすようになっています。
本研究では、オントロジーマッチングにおける大規模言語モデルの適用に関するさまざまな設計上の決定要素を提供します。具体的には、このタスクに最適なモデルの選択、システムへのマッチングタスクの提示方法、候補の生成方法、概念を自然言語テキストに変換する方法、どのプロンプティングを使用するか、最終的な回答の検出および信頼度の抽出などが含まれます。さらに、MELTと呼ばれるシステムにこれらの要素を実装し、OAEIのトラックでのLLM（Large Language Models）ベースのシステムの評価を行います。
本研究では、少数の例文と適切に設計されたプロンプティングにより、教師ありのマッチングシステムが地面の真実の大部分を使用するのと同等の結果を達成することが可能であることを示しています。具体的には、OAEIのトラックでLLMベースのシステムを評価し、抜本的な離脱研究も行いました。