热点事件观察中
研究者提出基于开源大模型的本体驱动知识图谱构建方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月29日，arXiv公布了一项基于大语言模型引导与本体驱动的知识图谱构建研究。该研究提出了一种将7B至32B参数本地开源大模型与可复用提示词策略相结合的本体学习流程，用于从非结构化文本中抽取实体与关系、生成RDF三元组并构建OWL本体知识图谱。在80份电网事故私有报告上的实验表明，Schema引导提示词显著提升了抽取质量，量化模型则有效平衡了抽取性能与计算成本。
AI 根据报道生成 · 11 小时前更新
最新进展9月29日 12:00
研究者提出结合7B至32B开源大模型的知识图谱构建流程，并在电网事故报告上验证效果。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 自然语言处理基于 LLM 引导与本体驱动的非结构化文本知识图谱构建
该研究提出一种结合 7B 至 32B 参数本地开源大语言模型与可复用提示词策略的本体学习流程，用于从非结构化文本中抽取实体与关系、生成 RDF 三元组并构建 OWL 本体知识图谱。在 80 份电网事故私有报告上的实验表明，Schema 引导提示词显著提升了抽取质量，量化模型有效平衡了性能与计算成本。
本事件热度走势
当前热度 4·可比范围峰值 5（9月30日 10:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。