OntoLearner：基于大语言模型的本体学习模块化Python库

本体学习（OL）旨在从文本自动构建结构化知识模型，但进展在方法、领域与评估实践间仍然碎片化。尽管数十年研究，OL缺乏系统评估与本体访问的共享基础设施。这种缺失阻碍进展并碎片化研究——使OL的核心挑战基本未被解决。我们介绍OntoLearner——模块化、跨领域、首个统一本体访问、LLM驱动学习管线与标准化基准测试的框架。OntoLearner发布横跨22领域的180个机器可读本体——并为三项核心OL任务提供带训练/开发/测试划分的管线就绪数据集：术语类型化、分类体系发现与非分类关系抽取。利用该基础设施，我们对OL开展大规模实证研究——跨领域与任务评估22个检索模型与12个LLM。结果汇聚出一个重塑OL核心挑战认知的发现：失败模式随本体复杂度扩展——而非随模型规模或架构精巧度。主要瓶颈不是模型能力——而是模型编码知识与本体组织知识方式之间的结构失配。这些发现确立有效的OL可通过OntoLearner支持的跨领域多任务基准测试达成。OntoLearner以MIT许可证开源：https://github.com/sciknoworg/OntoLearner/。