OntoExtend: A Framework for Requirement-driven and Scalable Ontology Extension with LLMs
作者: Anna Sofia Lippolis, Mohammad Javad Saeedizade, Stefan Schmid, Simon Blattner, Robin Keskisärkkä, Aldo Gangemi, Eva Blomqvist, Andrea Giovanni Nuzzolese
分类: cs.AI
发布日期: 2026-07-20
备注: Accepted in research track of Semantics 2026: https://2026-eu.semantics.cc/page/accepted_research
💡 一句话要点
提出OntoExtend框架以解决本体扩展中的需求驱动问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 本体扩展 需求驱动 大型语言模型 检索增强生成 知识图谱 能力问题 功能评估
📋 核心要点
- 现有方法在本体扩展过程中缺乏与需求的明确关联，导致生成的本体片段质量不高。
- OntoExtend框架通过检索增强生成技术，结合能力问题和相关本体，提供基于需求的本体扩展。
- 在对39个能力问题的评估中，生成的本体片段显示出较少的结构问题，且功能测试均通过，表明其在实际应用中的有效性。
📝 摘要（中文）
本体扩展是指根据新出现的需求丰富现有本体的过程，但这一过程资源密集且易出错。尽管大型语言模型（LLMs）在从零生成本体方面表现出色，但现有方法很少将本体扩展与需求或可重用核心模型明确关联，并且对LLM输出的系统评估有限。本文提出了OntoExtend，一个基于需求驱动的本体扩展框架，利用检索增强生成（RAG）技术，结合相关输入本体和以能力问题形式呈现的需求，提出有根据的扩展。我们在两个用例中对OntoExtend进行了评估，结果显示生成的片段结构问题较少，满足所有功能评估测试，并被本体工程师评定为在集成前仅需少量到中等的修订。
🔬 方法详解
问题定义：本研究旨在解决现有本体扩展方法未能有效结合需求的问题，导致生成的本体片段质量不高且难以满足实际应用需求。
核心思路：OntoExtend框架通过引入检索增强生成（RAG）技术，将相关输入本体和能力问题结合，确保生成的扩展能够满足特定需求。
技术框架：该框架包括多个模块，首先是需求检索模块，从相关本体和能力问题中提取信息；其次是生成模块，利用LLMs生成本体扩展；最后是评估模块，对生成结果进行功能和结构评估。
关键创新：OntoExtend的创新在于其需求驱动的设计，使得本体扩展不仅依赖于生成模型的能力，还能有效响应具体的应用需求，这与传统方法形成鲜明对比。
关键设计：在参数设置上，框架采用了针对能力问题的特定检索策略，并在生成过程中使用了适应性损失函数，以提高生成片段的质量和相关性。具体的网络结构细节尚未公开。
🖼️ 关键图片
📊 实验亮点
在对39个能力问题的评估中，OntoExtend生成的本体片段显示出仅有少量的结构问题，且所有功能评估测试均通过。根据本体工程师的反馈，生成片段在集成前仅需少量到中等的修订，表明其在实际应用中的有效性和可靠性。
🎯 应用场景
OntoExtend框架在多个领域具有广泛的应用潜力，特别是在需要快速响应新需求的本体管理和知识图谱构建中。其能够有效支持企业和研究机构在动态环境中进行本体扩展，提升知识表示的准确性和完整性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Ontology extension refers to the process of enriching an existing ontology in response to emerging requirements, making it more complete. This task is a resource-intensive and error-prone process. Large Language Models (LLMs) have shown promising performance on generating ontologies from scratch, but current approaches rarely tie ontology extension explicitly to requirements or reusable core models, and offer limited, systematic evaluation of LLM outputs. This paper introduces OntoExtend, a requirements-driven framework for ontology extension with LLMs. It uses retrieval-augmented generation (RAG) over relevant input ontologies and requirements in the form of competency questions to propose grounded extensions. We evaluate OntoExtend on 39 CQs from two use cases: a public EU-project ontology, Onto-DESIDE, and an industrial ontology from Bosch. The generated fragments show few structural issues, satisfy all functional evaluation tests, and are rated by ontology engineers as requiring minor to moderate revision before integration. These results suggest that OntoExtend is useful as a drafting assistant for requirement-driven ontology extension in real world scenarios, while remaining sensitive to CQ specificity and modelling profile.