KGValidator：ナレッジグラフ構築の自動検証のためのフレームワーク

本研究は、ナレッジグラフ（KG）補完モデルの自動評価における大規模言語モデル（LLM）の利用を探究する。歴史的に、KG内の情報検証は大規模な人手による注釈が必要で、そのコストは非常に高かった。汎用の生成AIおよびLLMの登場により、人手を介した検証を生成的エージェントが代替することが現実的となった。我々は、生成モデルを用いたナレッジグラフ検証における一貫性と検証のためのフレームワークを提案する。本フレームワークは、LLM出力の構造的・意味的検証のための最近のオープンソース開発と、あらゆる外部知識源の参照能力を支える柔軟な事実検証・照合アプローチに基づく。設計は適応・拡張が容易であり、モデル内在の知識、ユーザー提供のコンテキスト、外部知識取得可能なエージェントの組み合わせにより、あらゆる種類のグラフ構造データの検証に用いることができる。