Resumen: Tener una taxonomía unificada y coherente es esencial para una representación efectiva del conocimiento en aplicaciones específicas de dominio, ya que las terminologías diversas deben asignarse a conceptos subyacentes. Los enfoques manuales tradicionales para la alineación de la taxonomía se basan en la revisión experta de pares de conceptos, pero esto se vuelve prohibitivamente costoso y lento a escala, mientras que las interpretaciones subjetivas a menudo conducen a desacuerdos expertos. Los métodos automatizados existentes para la alineación de la taxonomía han mostrado prometedor, pero enfrentan limitaciones en el manejo de relaciones semánticas matizadas y manteniendo la consistencia en diferentes dominios. Estos enfoques a menudo luchan con mapeos conceptuales dependientes del contexto y carecen de procesos de razonamiento transparente. Proponemos un marco novedoso que combina modelos de idiomas grandes (LLM) con calibración experta y optimización iterativa de inmediato para automatizar la alineación de la taxonomía. Nuestro método integra ejemplos marcados con expertos, ingeniería rápida de varias etapas y validación humana para guiar a los LLM en la generación de vínculos de taxonomía y respaldo de los fundamentos. Al evaluar nuestro marco en una tarea de mapeo específica de dominio de esencialidad del concepto, logramos una puntuación F1 de 0.97, superando sustancialmente el punto de referencia humano de 0.68. Estos resultados demuestran la efectividad de nuestro enfoque para escalar la alineación de la taxonomía mientras se mantiene mapeos de alta calidad y preservan la supervisión de expertos para casos ambiguos.
Publicado Originalme en rss.arxiv.org El 10 de junio de 2025.
Ver Fuente Original
