English(EN) Ontology Refinement with Embeddings and LLMs: A Case Study on CASTON

LLM和嵌入模型在铸造领域案例研究中细化本体

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-16 04:00

研究人员开发了一种新的本体细化方法，本体用于组织复杂知识，该方法结合了微调的本体嵌入模型和大型语言模型（LLM）。该方法在CASTON（一个用于铸造领域的本体）上进行了测试，成功识别了用于细化的候选公理并提供了修复建议。专家评估表明，该系统利用了经过CASTON微调的OnT嵌入模型和Qwen3-8B LLM，产生了高置信度的修复，所有六个建议的替换项均被领域专家接受。 AI

影响这项研究展示了一种利用LLM改进知识表示的新颖方法，有潜力增强AI理解和组织复杂领域特定信息的能力。

排序理由这是一篇研究论文，详细介绍了使用LLM和嵌入进行本体细化的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了使用LLM和嵌入进行本体细化的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Hui Yang, Ziyu Li, Xuan Liu, Anders Jarfors, He Tan, Jiaoyan Chen · 2026-10-16 04:00

使用嵌入和LLM进行本体精炼：以CASTON为例

arXiv:2610.21466v1 Announce Type: new Abstract: Ontologies are widely used to represent and organize complex knowledge in domains such as biomedicine and healthcare. However, constructing reliable ontologies remains challenging, as class hierarchies, whether manually or automatic…

本文如何被排名

报道来源 [1]

使用嵌入和LLM进行本体精炼：以CASTON为例

相关实体

相关话题