知识图谱与大型语言模型：支持虚拟博物馆的竞争者还是合作伙伴？

《Journal on Computing and Cultural Heritage》：Knowledge Graphs vs. Large Language Models: Competitors or Partners in Supporting Virtual Museums

虚拟博物馆通过本体语义标注和LLM技术提升文化遗产数字化，实验比较传统方法、LLM扩展及纯LLM策略。结果显示结合本体与LLM可优化艺术品描述（CIDOC CRM/KG生成）与排名（基于目录输入），但纯LLM存在领域知识缺失风险，传统方法依赖专业且耗时。应用场景涵盖智能导览、文档辅助及文物相似性分析。

　　

摘要

虚拟博物馆是传播和记录文化遗产（CH）内容的有效工具。它们为文物的语义标注和自动虚拟导览提供了理想的环境。为此，我们识别并比较了传统方法（基于本体论的方法）、扩展了大型语言模型（LLM）的方法以及纯LLM方法在数字文化遗产语义信息处理中的应用。传统方法通过一个应用原型进行了说明，而涉及LLM的方法则通过实验进行了测试。为了研究与LLM相关的各项任务，我们的实验包括：（i）使用CIDOC概念参考模型（CRM）和知识图谱（KG）对绘画样本进行语义标注，并利用LLM生成相关知识图谱；（ii）仅依赖LLM，以目录描述作为输入对绘画作品进行排名。实验结果表明，这些方法有助于提升艺术品的解读、描述以及结果的质量。结合相关文献和LLM的实验结果，本体论与LLM的结合可能是一种最佳方案——它既保证了结构化知识的准确性，又提供了将结构化知识转化为自然语言的工具，反之亦然。然而，仅依赖LLM可能存在风险，因为LLM的训练数据中缺乏领域特定知识；而传统方法则需要特定领域的专业知识，并且耗时较长。我们的方法在以下应用场景中展现出潜力：引导博物馆游客参观符合他们兴趣的文物、协助博物馆策展人进行文档整理，或帮助文化遗产研究人员发现文物收藏中的相似之处。