人工知能技術の進歩により、非構造化テキストを構造化された知識グラフへと変換する手法が開発されています。
この記事では、特定のオントロジーに準拠した知識グラフを生成する四つの方法について考察します。
第一のアプローチでは、事前に学習されたオントロジーやスキーマを用いていますが、カスタムオントロジーを含めるとトークンの数が急増するという問題があります。
第二に、言語モデルをカスタムオントロジーでファインチューニングすることにより、より精度の高いグラフを作成することができますが、適切なトレーニングデータセットの作成が課題となっています。
第三に、構造化された文章からの学習データセット生成の困難さが説明されており、第四ではプレトレーニングされたオントロジーとファインチューニングされたオントロジーのハイブリッド手法が紹介されています。
各アプローチの長所と短所が述べられ、未来への展望についても言及されています。
出典 : https://medium.com/@peter.lawrence_47665/text-to-graph-via-llm-pre-training-prompting-or-tuning-3233d1165360
