面向企业知识图谱的 LLM 驱动本体构建

企业知识图谱已成为统一异构数据与实施语义治理的必备手段。然而，其底层本体的构建仍是资源密集、依赖领域专业知识的手工过程。本文提出 OntoEKG，一个 LLM 驱动的流水线，旨在加速从非结构化企业数据生成领域特定本体。我们的方法把建模任务分解为两个阶段：识别核心类与属性的抽取模块，以及在序列化为标准 RDF 之前把这些元素逻辑结构化为层级的蕴含模块。针对端到端本体构建综合基准的显著缺乏，我们采用一个源自 Data、Finance 与 Logistics 领域文档的新评估数据集。实验结果既凸显了该方法的潜力也揭示了其挑战：在 Data 领域取得0.724的模糊匹配 F1 分数，同时暴露出范围界定与层级推理方面的局限。