论文
从包含到可满足性：面向OWL本体的LLM辅助主动学习
From Subsumption to Satisfiability: LLM-Assisted Active Learning for OWL Ontologies
摘要
在主动学习中，成员查询（membership query，MQ）让学习者可以向教师提问，例如"每个苹果都是水果吗？"，教师会正确地回答是或否。这些MQ可视为针对目标本体的包含关系测试。受描述逻辑中包含关系到可满足性的标准归约启发，我们将每条候选公理改写为对应的反概念，并用受控自然语言表述后再呈现给大语言模型（LLM）。我们引入LLM作为第三方的角色，提供近似反概念实例的现实世界示例。这一设计特性确保本体建模中只会出现第二类错误（Type II errors）；最坏情况下，这些错误仅会拖延构建过程，而不会引入不一致。在13个商用LLM上的实验结果表明，对应于本框架中第二类错误的召回率在多个成熟本体上保持稳定。
