LLM 时代的本体构建流水线:专家定义 + AI 建议

本体(ontology)的价值在本系列前几篇已经反复论证:它是让机器和人共享同一套世界模型的语义基础设施,是检索、对齐、治理共同依赖的地基。但二十多年来,本体始终没有成为主流工程实践,卡点不在价值而在成本——建一个高质量领域本体太贵了。LLM 第一次让「批量产出建模草稿」变得便宜,本文讨论如何把这种便宜组织成一条可信的构建流水线:AI 负责建议,专家负责拍板。

LLM 时代的本体构建流水线

传统本体构建为什么贵

经典本体工程是一套重人力流程:领域专家负责说清楚业务里有什么,知识工程师(ontology engineer)负责把口语化描述翻译成形式化模型,双方反复访谈、迭代。斯坦福的经典入门指南把流程拆成确定领域范围、枚举关键术语、定义类与属性、约束取值等步骤,每一大步背后都是数轮专家会议。

成本主要花在三个地方。第一是沟通成本:领域专家的时间按小时计价,而他们的心智模型大多只存在于脑子里和文档里,需要人来挖。第二是形式化成本:把「客户分为个人客户与企业客户,企业客户必须有统一社会信用代码」这样的描述变成 OWL 公理或 SHACL 约束,是只有少数人掌握的手艺。第三是维护成本:业务每季度都在变,本体却往往建完即僵,因为没有团队能负担持续的建模投入。

一个直观的对照:一个中型电商域(客户、商品、订单、履约、售后约两百个类)的手工本体,知识工程师与领域专家各投入一两个月,产出通常止步于「类与属性的清单加少量约束」;而其中超过一半的术语、定义与层级,事后回看本可以从现有需求文档与工单语料中自动提出——只是当年没有工具能可靠地做到这件事。LLM 恰好补的就是这个位置。

结果就是本体建设周期以月计、可维护性差,多数组织退而求其次,用数据库 schema 与命名约定凑合。这不是工具问题,而是经济学问题——纯手工建模的单位产出成本太高。

小结:本体贵在人力密集与形式化手艺稀缺,任何想规模化推广本体的方案,都必须先回答「谁来把成本降下来」。

LLM 改变了什么

LLM 对本体构建的意义,是把上述三项成本同时压了下来。具体到四类核心任务,自动化率的跃升非常明显:

  • 候选术语生成:从语料、需求文档、用户故事中批量提出「这个领域可能有哪些概念」。过去靠专家头脑风暴,现在 LLM 一次能给出上百个带定义的候选。
  • 关系抽取:从文本中识别「A 与 B 存在什么关系」,为对象属性提供候选。
  • 分类归纳(taxonomy induction):把散落的术语组织成 is-a 层级。LLM 对「哪个概念更一般、哪个更具体」这类判断相当可靠。
  • 注释与文档生成:为类与属性生成自然语言定义、示例与多语言标签——这是专家最没耐心写、LLM 最擅长的部分。

与上一代 NLP 抽取方案(序列标注模型、依存句法规则)相比,LLM 的差异不只是准确率:它可以在同一次交互里完成「抽取 + 定义生成 + 证据指出」三类产出,且对未见过的领域开箱即用——传统方案换一个领域,往往要重新标注数千条样本。这决定了 LLM 时代的本体构建可以做成「数据驱动的持续过程」,而不是「项目制的一次性投入」。

需要强调:LLM 改变的是「草稿生产」环节,而非「决策」环节。术语候选可能混入噪声,层级判断可能有歧义,但专家的工作从「从零写」变成「从草稿改」,产能差距是数量级的。这个定位是后面整条流水线的出发点。

一条可落地的流水线

下面这条六步流水线可以在普通工程团队落地,核心设计是每一步都有明确的输入、输出,且在关键位置设置人工闸门。

第一步:语料与文档收集

输入是业务文档、需求说明、数据库 schema、代码注释、工单等一切承载领域知识的文本,输出是带来源标注的语料池。来源标注很重要:后面每条候选都必须能回溯到出处,否则评审无从判断、审计无从谈起。

第二步:LLM 候选抽取

对语料分块后,用统一的 prompt 让 LLM 产出候选术语、候选关系与自然语言定义,输出用 JSON Schema 约束。一个典型的输出单元长这样:

{
  "term": "统一社会信用代码",
  "type": "datatype_property",
  "domain": "企业客户",
  "definition": "中国境内法人和其他组织的唯一身份标识,共 18 位",
  "evidence": "需求文档 v3.2 第 4.1 节",
  "confidence": 0.92
}

这一步的关键工程决策是「宁可多抽、带着置信度」,因为后置的评审闸门比前置的过滤更便宜——错杀一个好概念的代价,往往高于多审一条噪声。

第三步:聚类与归纳

把候选术语按语义相似度聚类(同义合并),再让 LLM 对聚类结果做分类归纳,产出 is-a 层级草稿,也就是 TBox(terminological box,类与关系的形式化定义层)的雏形。工具上可以用句子嵌入模型做向量聚类,LLM 负责给每个簇命名并判断簇间层级。

第四步:专家评审闸门

这是整条流水线唯一不能省的环节。评审界面按置信度排序展示候选,专家做三件事:确认或否决术语、修正层级、补写或改写定义。经验上,高置信度区间抽样评审、低置信度区间全量评审,可以把评审工作量压到全量的一半以下。

第五步:TBox 与 SHACL 约束

把评审通过的草稿渲染成正式的 TBox(RDFS/OWL 或自定义对象模型),并补充 SHACL(SHApes Constraint Language)约束:必填属性、取值范围、基数限制。约束是本体的「类型系统」价值所在——没有约束的本体只是名词表,加上约束才成为可校验的契约。对多数工程团队,SHACL 比 OWL 推理约束更直白,校验引擎也更成熟;每条约束同时登记为回归测试用例,是这一步顺手的产出。

第六步:版本化发布

本体按语义化版本发布,每次变更附变更说明与影响面清单(哪些下游校验、哪些检索索引会受影响)。本体和代码一样要有 code review 与回归测试。

小结:流水线的灵魂不在前半段的「AI 抽取」,而在后半段的「评审闸门 + 约束落库」——前者决定产能,后者决定质量。

研究证据

这套「LLM 建议加专家把关」的做法不是经验主义,2023 年以来已有一批系统性研究给出了量化证据。

LLMs4OL(arXiv 2307.16648,Giglou 等)评测了九个 LLM 家族完成本体学习的三大任务——术语类型化(给词汇概念标注类型)、分类发现(判定概念间的上下位关系)与非分类关系抽取,覆盖零样本与上下文学习两类设定,是最早的系统性基准之一。这项工作随后发展为系列挑战赛:ISWC 2024 举办的第一届 shared task(arXiv 2409.10146)沿用三大任务划分,提供公开数据集与榜单;2025 年的第二届扩展到含词汇条目抽取在内的四个任务。公开的数据集与评测仓库让后来的研究者可以站在同一把尺子上比较,而不是各自报告不可复现的数字。End-to-End Ontology Learning with LLMs(arXiv 2410.23584,NeurIPS 2024,Lo 等)提出用语义相似度与结构相似度两类指标评估端到端本体生成,并给出 Wikipedia 与 arXiv 两个基准集。综述 arXiv 2404.14991 系统梳理了本体学习从统计方法到 LLM 的迁移路径;LLM4Onto(发表于 Semantic Web Journal)与 2025 年的基准研究 arXiv 2512.05594 进一步补充了任务级评测。

各家结论高度收敛,可以概括为三句话:在术语抽取与分类发现上,LLM 已接近甚至超过非专家的人工水平;在非分类关系与公理级精确性上,LLM 输出仍需要人工复核;端到端全自动构建尚不成熟,human-in-the-loop 是当前主流共识。分歧主要在评测口径——用「与金标本体的图匹配度」还是「对下游任务的实际增益」,两者给出的自动化边界并不一致。

对工程团队的启示很直接:把 LLM 当成建模草稿生成器与评审加速器是安全的;把 LLM 当成无人值守的本体工厂是不安全的。

工程化要点

流水线跑通之后,稳定产出靠四个工程细节。

  • 领域 few-shot 示例:给 LLM 看三五个本领域已确认的术语定义样例,产出质量提升立竿见影;示例要覆盖不同类型(类、对象属性、数据属性),避免模型只会抽一种。
  • 多轮自洽性检验(self-consistency):同一候选让 LLM 独立判断多次,投票结果作为置信度的组成部分;多次判断互相矛盾本身就是需要人工评审的信号。
  • 置信度与抽样评审:置信度不追求绝对准确,只追求把「值得人工看」的条目排到前面;定期回看评审通过率,反向校准阈值。
  • 增量构建与回归:新语料进流水线时只评审增量候选;已确认的本体片段用测试用例锁住——「企业客户必须有统一社会信用代码」成为一条 SHACL 校验用例,防止后续重构悄悄破坏既有语义。
  • Prompt 与评审模板资产化:抽取 prompt、聚类命名模板、评审清单都进版本库,随迭代打标签;三个月后回看「这个类当初为什么被否决」,答案必须能从历史里找得到。

这五条的共同主题,是把「建模质量」从一次性评审变成可持续度量的工程指标。

什么时候仍然应该纯手工

LLM 流水线不是万能解,三类场景建议回归纯手工建模或以手工为主。

一是高风险域。医疗、金融合规、司法等领域的错误建模会造成真实损失,术语歧义(同名不同义的「账户」)必须由领域专家逐条裁定。二是强一致性域。跨组织交换的标准本体(行业数据标准、监管报送口径)要求每条公理可追溯到权威定义文件,LLM 的自由发挥空间应当为零。三是小而精的核心模型。如果本体只有几十个类,专家两天就能手写完,引入流水线反而是负收益。

合理的总体策略是分层:核心骨架手工建,外围扩展用流水线长,边界地带人工裁决。

小结:LLM 把本体构建从「奢侈品」变成了「工程品」,但没有变成「消费品」——专家评审闸门仍是质量的最小必要条件,AI 的角色是让这个闸门前的排队长度缩短一个数量级。

参考资料

← 返回资讯列表

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?