I Modelli Linguistici di Grandi Dimensioni Assistono l'Apprendimento di Ontologie Tramite Verbalizzazione di Controconcetti

Uno studio recente presenta i Modelli Linguistici di Grandi Dimensioni come un elemento innovativo nell'apprendimento attivo per ontologie OWL, offrendo esempi reali che approssimano istanze di controconcetti. La metodologia riformula assiomi candidati in controconcetti correlati, articolandoli in linguaggio naturale controllato prima della loro introduzione nei LLM. Questo quadro garantisce che solo errori di Tipo II possano sorgere nella modellazione ontologica, che, nel peggiore dei casi, potrebbero solo ritardare la costruzione senza causare inconsistenze. I risultati di esperimenti che coinvolgono 13 LLM commerciali indicano che il richiamo, che riflette gli errori di Tipo II, convalida l'efficacia del metodo. Questa ricerca è stata pubblicata su arXiv con identificatore 2604.16672v1. Nell'apprendimento attivo, le query di appartenenza consentono agli apprendenti di porre domande come 'Ogni mela è un frutto?' a cui gli insegnanti forniscono risposte accurate, funzionando come test di sussunzione rispetto alle ontologie target.