KGValidator: ज्ञान ग्राफ निर्माण के स्वचालित सत्यापन के लिए एक फ्रेमवर्क

यह अध्ययन ज्ञान ग्राफ (KG) पूर्णता मॉडल के स्वचालित मूल्यांकन के लिए बड़े भाषा मॉडल्स (LLMs) के उपयोग का अन्वेषण करता है। परंपरागत रूप से, KGs में जानकारी का सत्यापन एक चुनौतीपूर्ण कार्य रहा है, जिसमें बड़े पैमाने पर मानव एनोटेशन की आवश्यकता होती है, जो अत्यधिक महंगा होता है। सामान्य-उद्देश्यीय जेनेरेटिव AI और LLMs के उदय के साथ, अब यह संभव है कि मानव-इन-द-लूप सत्यापन को एक जेनेरेटिव एजेंट द्वारा प्रतिस्थापित किया जा सके। हम ज्ञान ग्राफ़ों को सत्यापित करने के लिए जेनेरेटिव मॉडल्स का उपयोग करते समय सुसंगतता और सत्यापन के लिए एक फ्रेमवर्क प्रस्तुत करते हैं। हमारा फ्रेमवर्क हाल के ओपन-सोर्स विकासों पर आधारित है जो LLM आउटपुट के संरचनात्मक और सूत्रात्मक सत्यापन के लिए हैं, और यह तथ्य जांच और सत्यापन के लिए लचीले दृष्टिकोणों पर आधारित है, जो किसी भी तरह के बाहरी ज्ञान स्रोतों का संदर्भ लेने की क्षमता द्वारा समर्थित है। इसका डिज़ाइन आसानी से अनुकूलित और विस्तारित किया जा सकता है, और इसे मॉडल-आंतरिक ज्ञान, उपयोगकर्ता-प्रदान किया गया संदर्भ, और बाहरी ज्ञान पुनर्प्राप्ति में सक्षम एजेंटों के संयोजन के माध्यम से किसी भी प्रकार के ग्राफ-संरचित डेटा को सत्यापित करने के लिए उपयोग किया जा सकता है।