摘要
本体工程在知识密集型AI系统中仍然是一个关键瓶颈。现有的自动化方法要么依赖于预定义的模式，要么局限于狭窄的领域，或者产生不适合下游管道的非结构化输出。
我们提出了生成本体诱导（GOI），这是一种跨领域框架，能够从示例语料库中诱导出一个生成蓝图——实体、维度、属性、关系和约束，并以YAML/JSON格式输出为一个类型化图（六种节点类型，七种边类型）。
我们引入了节点覆盖率分数（Node Coverage Score），这是一种新颖的评估指标，用于测量生成输出中出现的结构本体节点（类、属性和维度）的比例。
在对四种对比本体进行受控生成验证时——熟悉的软件服务发票模式、自定义的职位描述本体、保密的疼痛管理临床访问记录本体，以及专业服务合同与工作说明书本体——显示GOI驱动的生成在每种情况下覆盖了95-100%的结构骨架；一个通用的三字段模板在发票模式上的覆盖率为97.8%，但在职位描述本体中下降至52.2%，在疼痛管理本体中为62.2%，在专业服务合同本体中为78.3%。无论文档类型对模型的熟悉程度如何，结构覆盖率均保持不变。
博主点评： 生成本体诱导（GOI）为本体工程带来了新的思路，尤其是在知识密集型AI系统中，能够有效生成结构化输出。通过引入节点覆盖率分数，研究者可以更好地评估生成结果的质量，为后续的知识图谱构建提供了重要支持。未来的研究可以进一步优化该方法，以提高在不同领域和文档类型中的适用性。