AI 知识工程 · 技术指南

用 LLM 构建 Ontology
五种方法流派详解

从"把文档直接扔给 AI"到"建一张 AI 能理解的世界地图"——本文带你看懂 2025–2026 年学术界和工业界探索出的五条路。

阅读约 15 分钟 适合 AI 工程师 / 技术爱好者 2026 年 5 月
背景理解

先搞清楚:Ontology 是什么,为什么重要?

Ontology(本体)是一张"知识地图"——它不只存储信息,还定义信息之间的关系和规则。用一个场景感受它的价值:

没有 Ontology 的情况

把文档直接扔给 LLM

"供应商 A 的评分是多少?"

LLM 今天说 85,明天说 92,后天说 78。每次都在猜——因为它没有真正理解"供应商""评分""日期"之间的关系。

有了 Ontology 的情况

先建知识地图,再让 LLM 用

你定义好:供应商有名称、评分、地区;材料有库存量、安全阈值;供应商和材料是"供应"关系。

LLM 直接从图里查,不再猜。还能推理出"这个材料缺货会影响哪条产线"。

核心价值:Ontology 把"世界"翻译成 LLM 能理解的结构化地图。有了它,AI 从"随机猜测"变成"有据可查"。

传统建 Ontology 的三大矛盾

在 LLM 出现之前,建 Ontology 基本是:知识工程师 + 领域专家坐在一起,花几个月画白板、争论、修改。有三个根本矛盾:

⏱️

速度矛盾

手工建模太慢,跟不上业务变化。等建完了,业务已经变了。

🧑‍💻

人才矛盾

既懂 OWL/SHACL 又懂具体业务的人极少。

📦

维护矛盾

建完就没人维护,慢慢变成"死模型",无法跟随业务演化。

📊

规模矛盾

手工方式无法处理大量文档,文档规模一上去就崩溃。

问题拆解

LLM 来了——但面临四道"坎"

LLM 恰好具备三项能力:从非结构化文本提取结构化信息、理解领域语义、生成 JSON/OWL 等标准格式。但用 LLM 建 Ontology 绕不开四道坎:

❓

坎一:不知道有多少类型

建一个领域的 Ontology 前,你根本不知道里面有多少种"东西"——10 种还是 1000 种?

🎭

坎二:LLM 会"幻觉"

LLM 可能创造出原文没有的概念或关系,把幻想当成事实输出。

🔍

坎三:粒度难控制

"有关系"太笼统,"在左边/右边"又太细——什么粒度才合适?

✅

坎四:怎么验证对错

Ontology 没有"标准答案",怎么知道 LLM 建得好不好?

过去两年(2025–2026),学术界和工业界围绕这四道坎,发展出了 五种不同的应对方法。
方法流派

五种流派:不同性格的人面对同一道题

A

拆解派:流水线分解法

大任务拆成小任务,每一步用最合适的工具
幻觉风险 · 低 工程复杂度 · 高 Salovsky · IRT SystemX · Wikontic

好比做一道复杂的菜:先洗菜、再切菜、再炒菜、最后装盘。每一步清晰可控,出了问题知道在哪里修。

标准五步流水线

文档输入
起点
→
① 提取实体
NER
最关键
→
② 提取关系
最难
→
③ 合并归一
去重
→
④ 双重验证
核心亮点
→
⑤ 存入图谱
终点

① 从文档中找出名词实体  ② 判断名词间的关系  ③ 将"供应商 A"和"Supplier A"合为同一实体  ④ 检查结构合规性 + 逻辑一致性

核心亮点:验证闭环

每个新事实先通过双重检查,才能进入可信图谱:

✓ 通过验证
写入可信图谱,永久保存
✗ 未通过验证
留在日志,不进图谱

验证分两层:SHACL(结构验证) + OWL Reasoner(逻辑验证)。两层都通过才算可信。

工业实战案例

IRT SystemX × 法国电力 EDF(2025)

从法语技术文档半自动构建 Ontology。亮点是版本管理:每个 Ontology 版本有 5 种状态(已填充 → 已丰富 → 已评估 → 已使用 → 已归档),变更全程追踪。FAIR 评分从 V1.1 的 22.5% 提升到 V1.3 的 36.11%。

轻量级案例

Wikontic(2025)——不到 1000 个 Token 建完整知识图谱

用 Wikidata 作为"骨架"约束 LLM 输出,Token 消耗仅为 GraphRAG 的二十分之一。MuSiQue 基准上 96% 三元组包含正确答案实体。

优点

  • 每步可控、可插拔、可验证
  • 幻觉风险最低
  • 可加版本管理,支持持续更新

缺点

  • 前一步误差会传到后一步
  • 工程复杂度高,搭建成本大
  • 多步调用 LLM,Token 消耗多

适合:对质量要求高的生产系统。

B

聚类派:聚类驱动法

先自动发现有哪些类型,再让 LLM 给每类命名
幻觉风险 · 低 工程复杂度 · 中 LLM4Onto 2025

好比整理一堆混杂的乐高积木:先把颜色相近的放一起(聚类),再给每组贴标签("这些是红色的轮子""这些是蓝色的窗户")。不用事先知道有多少种积木,让数据自己说话。

核心流程

文档
输入
→
提取名词
SpaCy
→
向量化
BERT
→
AP 聚类
自动分组
→
LLM 命名
多轮合并
→
Ontology
输出

为什么用 AP 聚类,不用 K-means?

✗ K-means 的问题
需要事先告诉它"分几类"——但建 Ontology 时你恰恰不知道有多少类。
✓ AP 聚类的优势
AP 聚类不需要预设数量,自己看数据相似度决定分多少组。如果分得太细,LLM 会通过多轮对话把相近的簇合并。

核心创新:HT-R-O 三步关系提取法

关系提取是 Ontology 建设中最难的部分。LLM4Onto 把它拆成三步,每步基于原文,幻觉逐步降低:

第一步 · 实例级提取
从原文中提取实例级关系
输入: "HoneyMyte 组织使用 ToneShell 后门"
输出: (HoneyMyte, use, ToneShell 后门)
第二步 · 本体级抽象
将实例关系上升为本体级关系
输出: (APT 组织, use, 恶意软件)
第三步 · 关系标准化
统一不同表达方式的关系名称
"use" / "employ" / "leverage" → 统一为 "use"

实验结果:网络安全领域自动发现 483 种实体类型 + 72 种关系类型(传统 NER 模型只能识别 13–40 种)。

优点

  • 真正数据驱动,不需要人工标注
  • 不需要提前知道有哪些类型
  • 拆解为小任务,幻觉风险低

缺点

  • 聚类质量直接影响最终结果
  • 没有内建的在线验证机制
  • 开放域场景粒度可能过细

适合:探索新领域、不知道有什么类型的场景。

C

两步走派:两阶段生成法

先收集素材,再整理成有层次的结构
幻觉风…
ISAAC / MEMBERSHIP继续阅读

把这篇文章,
读到最后。

开通月度会员,继续阅读本篇剩余内容。

  • 解锁会员文章的完整内容与图示
  • 更高档位可下载 skill、加入 AI 咨询营
月度会员

¥30/ 月

查看会员权益

按月开通 · 到期手动续费

已有会员?登录后继续阅读 →
文章阅读全文Skill 与咨询营微信支付
ISAAC / MEMBERSHIP

阅读更深入,
交流也更近一步。

¥30/ 月

开通月度会员 ↗

所有文章均可试看约 40%。单次开通一个月,到期手动续费。