LLM辅助的本体工程与法语法律知识图谱构建

维护法规是复杂的法律文本，在处理具体案件时难以利用，也难以集成到运营系统中。本文针对法语维护法规提出一个两阶段的LLM辅助工作流：先从基于SEMLEG的核心本体出发进行本体工程，随后构建以本体为依据的法语法律知识图谱。第一阶段包括：从分层语料样本中开放抽取带类型的实体和三元组，通过基于嵌入的融合对标签进行规范化，以及归纳候选对象属性及其签名（定义域和值域）。第二阶段利用所得本体指导在全语料上进行封闭式三元组抽取和RDF图构建。使用GPT-4.1和mistral-large-2512的实验显示出稳健的结构化输出、接近完全的类对齐，以及融合后重复实体和谓词的大幅减少。少于20%的三元组引入了未见过的属性，而较低的确切签名符合率则揭示了现有谓词新的定义域-值域组合。这些结果表明，谓词规范化以及对新观察到的关系签名的验证是工业维护场景中关键的精炼步骤。