本体驱动的LLM知识图谱构建：从工业报告到RDF和OWL

从工业文本构建本体驱动知识图谱仍具有挑战，原因包括文档的领域专属性、标注资源不足和本体工程流程复杂。本文提出并研究一条本体学习流水线，将小型开源LLM、可复用提示策略和开放知识库结合，用于文本知识的抽取、结构化、丰富与评估。我们在私有法语电网事件报告语料上测试该方法，使用可本地部署、参数规模为7B至32B的开源LLM。从非结构化报告出发，流水线抽取实体与关系、生成RDF三元组、构建相关OWL本体，通过外部知识源丰富本体、评估本体质量，随后依据得到的本体模式构建填充后的知识图谱。在80份人工标注私有报告上的实验显示，模式指导提示显著改善抽取质量，量化模型则提供表现与计算成本之间的有效取舍。结果证明，使用本地开源LLM把领域专属工业文本转为本体知识图谱是可行的，同时可复用提示策略支持抽取流程的泛化。