LLM4VKG: Aprovechando Grandes Modelos de Lenguaje para la Construcción de Grafos de Conocimiento Virtual

Los Grafos de Conocimiento Virtual (VKGs) ofrecen una solución eficaz para la integración de datos pero normalmente requieren un conocimiento significativo para su construcción. Este proceso, que implica desarrollo de ontologías, análisis de esquemas y creación de mapeos, a menudo se ve dificultado por ambigüedades en los nombres y problemas de correspondencia, que los métodos tradicionales basados en reglas luchan por resolver. Los grandes modelos de lenguaje (LLMs), con su capacidad para procesar y generar texto contextualmente relevante, ofrecen una solución potencial. En este trabajo, presentamos LLM4VKG, un marco novedoso que aprovecha los LLM para automatizar la construcción de VKG. La evaluación experimental en el benchmark RODI demuestra que LLM4VKG supera a los métodos de última generación, logrando una mejora promedio en la puntuación F1 de +17% y una ganancia máxima de +39%. Además, LLM4VKG se muestra robusto frente a ontologías incompletas y puede manejar mapeos complejos donde los métodos actuales fallan.