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。
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:
"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。
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"。
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:
手工建模太慢,跟不上业务变化。等建完了,业务已经变了。
既懂 OWL/SHACL 又懂具体业务的人极少。
建完就没人维护,慢慢变成"死模型",无法跟随业务演化。
手工方式无法处理大量文档,文档规模一上去就崩溃。
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:
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?
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。
"有关系"太笼统,"在左边/右边"又太细——什么粒度才合适?
Ontology 没有"标准答案",怎么知道 LLM 建得好不好?
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。
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
每个新事实先通过双重检查,才能进入可信图谱:
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。
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%。
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。
适合:对质量要求高的生产系统。
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。
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:
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)。
适合:探索新领域、不知道有什么类型的场景。
开通月度会员,继续阅读本篇剩余内容。