On Using Large Language Models for Ontology-Based Data Access

doi:10.1007/978-3-032-00718-6_20

2026-01-01

PRE

Sergio Alejandro Gómez *

Pablo Rubén Fillottrani

DOI：10.1007/978-3-032-00718-6_20

原文链接

原文求助

摘要

En 中文

基于本体的数据访问（OBDA）专注于通过本体表示遗留数据源，其通过像OWL这样的现代、分布式和标准化的数据格式实现。这种方法便于使用SPARQL进行智能查询和处理。然而，实施OBDA需要大量努力来开发能够解释和转换数据为本体的软件。最近，大型语言模型（LLMs）已作为从用户提供自然语言输入生成解决方案的有力工具出现。在本文中，我们探讨了LLMs自动化OBDA的潜力。我们的假设是，LLMs（如ChatGPT和LLaMA）能够有效执行OBDA任务。为此，我们分析了它们对各种与OBDA相关挑战的响应。我们的发现表明，ChatGPT和LLaMA均能从自由文本描述和结构化数据（如文本中的表格或CSV格式）生成本体。此外，它们能够构建SPARQL查询、将关系表格转换为本体，并在给定适当指令时纠正完整性约束违规。然而，存在局限性：ChatGPT的免费版本在处理大型数据集时存在困难，而LLaMA通常仅提供部分结果。

Keyword:

Ontology-Based Data Access

Large Language Models

Ontologies

CSV