摘要
本体扩展是指根据新出现的需求丰富现有本体的过程，使其更加完整。然而，这一过程资源消耗大且容易出错。虽然大型语言模型（LLMs）在从零生成本体方面表现出色，但当前的方法很少将本体扩展与需求或可重用的核心模型明确关联，同时对LLM输出的系统评估也相对有限。
本文提出了OntoExtend，一个基于需求的本体扩展框架，利用检索增强生成（RAG）技术，结合相关输入本体和以能力问题（CQs）形式呈现的需求，提出有依据的扩展。
我们在两个用例中评估了OntoExtend，分别是公共欧盟项目本体Onto-DESIDE和博世的工业本体，共使用了39个CQs。生成的片段显示出较少的结构问题，满足所有功能评估测试，并被本体工程师评定为在集成之前只需轻微到中等的修订。
这些结果表明，OntoExtend在实际场景中作为需求驱动的本体扩展草拟助手是非常有用的，同时对CQ的特异性和建模特征保持敏感。
博主点评： OntoExtend通过结合LLMs与需求驱动的检索增强生成方法，为本体扩展提供了创新的解决方案。其在实际应用中的评估结果显示了其有效性，值得在更广泛的领域进行进一步探索和应用。