Burr:从关系数据库中学习本体论的基准方法

《Proceedings of the ACM on Management of Data》:Burr: A Benchmark for Ontology Learning from Relational Databases

【字体: 大 中 小 】 时间:2025年12月08日 来源:Proceedings of the ACM on Management of Data

编辑推荐:

  摘要知识图谱和本体在整合、规范以及跨领域对复杂数据进行处理方面发挥着至关重要的作用。最近的研究表明,在AI应用中利用知识图谱而非传统的关系型数据库,可以提高数据质量,最高可达38个百分点。然而,由于建模概念之间的差异,从关系型数据库中学习本体仍然是一项具有挑战性的任务。目前尚缺乏

  

摘要

知识图谱和本体在整合、规范以及跨领域对复杂数据进行处理方面发挥着至关重要的作用。最近的研究表明,在AI应用中利用知识图谱而非传统的关系型数据库,可以提高数据质量,最高可达38个百分点。然而,由于建模概念之间的差异,从关系型数据库中学习本体仍然是一项具有挑战性的任务。目前尚缺乏对哪些本体学习系统表现最佳以及原因的清晰认识,因为还没有建立统一的评估基准。
我们提出了BURR这一基准工具,用于评估从关系型数据库中学习本体的系统性能。为了评估本体学习领域,我们引入了一种基于映射的新指标,并提供了一个全面的基准数据集。该数据集包含54个真实世界的数据库-本体映射案例(包括行业数据),以及一个用于评估系统在特定场景下表现的微型基准测试。通过在该基准测试上使用广泛应用的本体学习系统(包括传统的基于规则的方法和基于大型语言模型(LLM)的方法),我们验证了BURR的实用性。测试结果强调了相对于基于LLM的系统而言,简单基于规则的方法的当前优势,同时也凸显了LLM在本体学习领域中的巨大研究潜力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号