SPARQL-LLM:基于自然语言问题的实时 SPARQL 查询生成
《ACM Transactions on the Web》:SPARQL-LLM: Real-Time SPARQL Query Generation from Natural Language Questions
【字体:
大
中
小
】
时间:2026年09月18日
来源:ACM Transactions on the Web 4.9
编辑推荐:
摘要AI 摘要要查看此 AI 生成的摘要,您需要拥有高级访问权限。了解更多登录摘要摘要大语言模型的兴起正在推动新兴方法的出现,这些方法有望更好地解决从自然语言生成结构化查询(如 SPARQL 查询)的挑战。然而,这些新方法主要关注响应准确性,而忽视了其他评估标准,如运行时间和
要查看此 AI 生成的摘要,您需要拥有高级访问权限。
摘要
摘要
大语言模型的兴起正在推动新兴方法的出现,这些方法有望更好地解决从自然语言生成结构化查询(如 SPARQL 查询)的挑战。然而,这些新方法主要关注响应准确性,而忽视了其他评估标准,如运行时间和生成 SPARQL 查询的成本。因此,它们往往不具备生产就绪条件,或在实际知识图谱上难以以良好准确性进行部署。为缓解这些问题,本文描述并系统评估了 SPARQL-LLM——一种基于轻量级元数据驱动的、开源且与三元组库无关的方法,可从自然语言文本生成 SPARQL 查询。首先,我们描述了其架构,该架构由用于元数据索引、提示构建以及查询生成与执行的专用组件组成。然后,我们基于一个涵盖多语言问题的最先进的挑战赛,以及来自生物信息学领域三大最普及知识图谱的问题集合对其进行评估。我们的结果表明,与参与该挑战赛的次优系统相比,其在 F1 分数上提升了高达 ,并且具备对英语、西班牙语和德语等高资源语言的适应能力,以及构建复杂生物信息学查询的能力。此外,我们的结果表明,我们的系统比参与该挑战赛的次优系统快最多达 27 倍,同时每个问题的成本最高仅为 0.01 美元,使其适用于实时、低成本的文本到 SPARQL 应用。SPARQL-LLM 已在 https://github.com/sib-swiss/sparql-llm 作为开源项目公开发布,目前已部署在实际的去中心化知识图谱上,访问地址为 https://www.expasy.org/chat。
AI 摘要
AI 生成摘要(实验性)
此摘要使用自动化工具生成,未经文章作者编写或审核。它旨在支持文献发现,帮助读者评估相关性,并帮助相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要,后者仍是论文的主要摘要。完整文章仍然是权威版本记录。 点击此处了解更多。
点击此处对此摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进和未来的重新生成版本。
要查看此 AI 生成的通俗摘要,您需要拥有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号