生成式本体归纳：用LLM从文档语料发现领域无关模式

本体工程仍是知识密集型AI系统的关键瓶颈。现有自动化方法要么依赖预定义模式，要么局限于狭窄领域，要么产出不适合下游管线的非结构化输出。我们提出生成式本体归纳（GOI），一个领域无关的框架：从样例语料归纳出一个生成式蓝图——实体、维度、属性、关系与约束——并导出为类型化图（六种节点类型、七种边类型）的YAML/JSON。我们提出节点覆盖率（Node Coverage Score）这一新评估指标，度量生成输出中出现结构本体节点（类、属性与维度）的比例。在四个对比鲜明的本体上的受控生成验证——常见的软件服务发票模式、自定义职位描述本体、保密的疼痛管理临床就诊记录本体与专业服务合同及工作说明本体——显示：GOI提示的生成在每种情形下覆盖95–100%的结构主干；通用三字段模板在发票模式上保持97.8%，但在职位描述本体上降至52.2%、疼痛管理本体上62.2%、专业服务合同本体上78.3%。结构覆盖率不受模型对文档类型熟悉程度的影响。