GrOIL：具有约束 LLM 中介的基于图的领域本体归纳

从领域文档构建正式本体需要同时加强语料库基础、词汇一致性、公理级表达性和端到端来源，这是现有自动系统无法提供的组合。我们提出了一个基于图形的七阶段管道，可以将领域文档转换为完整的、可审计的 Web 本体语言 (OWL) 术语盒 (TBox)，而无需任何不受约束的生成步骤。文档首先被编码为统一话语超图（UDH），捕获实体参与和话语依赖性；后续阶段将此图证据转换为类层次结构、类型化对象和数据类型属性以及限制公理，其中 大语言模型 (LLM) 的使用仅限于狭窄的、基于图的中介任务。配对断言框 (ABox) 群体程序将诱导 TBox 中的命名个体作为基础，从而实现基于 SPARQL 的功能评估。每个发出的术语都带有从原始源通道到每个管道阶段的完整决策链，使 TBox 可以直接审核并适合有针对性的人工细化。使用两个已建立的基准和涵盖十种产品类型的新 100 份合同语料库对人寿保险领域进行评估，我们的管道在所有评估维度上都取得了强劲的结果，在能力问题 (CQ) 覆盖范围上优于直接和多代理 LLM 基线（一份定期寿险合同为 0.85 vs. 0.63 和 0.62；一份定期寿险合同为 0.77 vs. 0.40 和 0.44）另一个合同），同时还获得了与手动构建的参考本体相当的高关键短语覆盖率以及在结构化间隙和重叠推理上的强大性能，所有这些都无需任何手动 TBox 工程。本体增长分析提供了与大规模词汇饱和度一致的证据，证明该管道可以从大型文档语料库中生成稳定、可重用的领域表示。