5 / 18
第 5 页 · 文字版
换一个分法:schema 从哪来 不按技巧分,按一个问题分。这是真正的分歧点。 1 自由发现 — 让模型自己长出 schema ▶ 不预设任何结构,让模型从文本里长出类和关系。聚类那一派、OntoEKG、OLLM 都在这条路上。 死穴:聚类质量决定一切,且没有在线验证。
2 外部本体当护栏 — 模型只能在护栏内填 ▶ 先有一个标准本体,模型只能在里面填。代表是 Wikontic(EACL 2026),它用维基数据的类型层级递归 展开做约束。 死穴:中文垂直领域的概念在维基数据里极稀疏 — "小规模纳税人""进项税额转出"基本没有对应项。
3 schema 先行 — 先设计再灌数据 ▶ 人加模型先把 schema 设计出来,再往里灌数据。代表是 OntoKG(arXiv:2604.02618),把维基数据属 性分成 94 个模块。 它自己在论文里承认:产出的是一个声明式 schema,不是形式化的本体。
4 不用大模型 — 从数据结构确定性推导 ▶ 从数据自身的结构确定性地推出类和属性,再用 SHACL 校验。代表是 Semantica — 11,644 星,MIT 协议,活跃更新,自称"给 AI Agent 的开源 Palantir"。
文字版便于检索与复制,图表和排版请切回「图文」。