LLM4VKG：利用大型语言模型构建虚拟知识图谱

虚拟知识图谱（VKGs）为数据整合提供了有效的解决方案，但其构建通常需要显著的专业知识。此过程包含本体开发、模式分析和映射创建，常因命名歧义和匹配问题而受阻，传统基于规则的方法难以解决。大型语言模型（LLMs）凭借处理和生成上下文相关文本的能力，提供了潜在的解决方案。在本研究中，我们提出了LLM4VKG，一种利用LLMs自动化构建VKG的创新框架。在RODI基准测试中的实验评估表明，LLM4VKG超过了最先进方法，平均F1分数提升17%，最高增益达39%。此外，LLM4VKG对不完整本体表现出强大鲁棒性，能够处理当前方法难以胜任的复杂映射。