상위: Papers
LLM의 패턴 인식 능력으로 스키마 초안을 빠르게 만들고, 인간 전문가는 그 초안을 다듬고 의미를 부여하는 '협업'에 집중 특히, 추출된 용어들을 '기존의 공식적인 온톨로지에 연결(Grounding)'하는 과정을 중요하게 다룸
워크플로우 (Workflow)
- 초기 스키마 생성 (Initial Schema Generation):
- LLM이 분석할 과학 문헌 텍스트를 입력받음
- 정교하게 설계된 프롬프트를 통해 LLM은 텍스트에서 주요 개념, 속성, 데이터 타입, 제약 조건 등을 포함하는 JSON 형식의 스키마 초안을 생성
- 전문가 피드백 및 개선 (Expert Feedback and Refinement):
- 생성된 스키마 초안이 UI를 통해 전문가에게 제시
- 전문가는 두 가지 방식으로 피드백을 제공
- 자연어 설명: "A 속성과 B 속성은 '물리적 특성'이라는 이름으로 합쳐야 합니다." 와 같이 지시
- 직접 편집: UI에서 직접 스키마의 속성명, 데이터 타입 등을 수정
- 이 피드백은 다시 LLM 프롬프트에 반영되어 더 정확한 스키마를 생성하는 데 사용
- 에이전트 기반 온톨로지 연결 (Agentic Ontology Grounding):
- 개선된 스키마의 각 용어를 DBpedia나 재료 과학 온톨로지 같은 외부의 공식적인 온톨로지에 연결하는 과정
- 이 과정을 '에이전트(Agent)'가 보조. 이 에이전트는 다음과 같은 다단계 추론을 수행.
- 어휘 매칭: 'melting_point'와 정확히 일치하거나 유사한 용어를 외부 온톨로지에서 찾음
- 의미적 유사도 검색: 단어가 달라도 의미가 비슷한 개념을 임베딩 기술로 찾음
- 전문가에게 검증 요청: 여러 후보를 찾으면 사용자에게 질문하여 최종 확인을 받음