知识图生成的代理混合自上而下和自下而上方法

组织数以千计的非标准化、多语言的专业知识声明是人力资源 (HR) 平台面临的持续挑战，直接影响准确的人才匹配等下游任务。为了解决这个问题，我们提出了一种混合知识图生成管道，该管道将 大语言模型 (LLM) 置于维基数据多语言知识图 (KG) 中，同时采用代理反射模式来合成新兴概念及其相关元数据。与严格的自上而下方法或分散的自下而上方法不同，我们的系统将已识别的概念锚定到稳定的知识图实体，同时为未识别的技能动态创建新节点和关系元数据。该系统跨五个阶段执行：实体协调、多语言规范化、主动管理、重复数据删除和未映射概念的迭代恢复，自动适应五种欧洲语言中快速发展、嘈杂的技能提及。最终，该管道提供了一个高度可扩展、可解释和自我修复的框架，用于生成全面的技能知识图，并使用非结构化、嘈杂的文本从中派生出结构化分类法。