エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ナレッジグラフ(知識グラフ)とLLMを掛け合わせる方法のロードマップ | AIDB
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ナレッジグラフ(知識グラフ)とLLMを掛け合わせる方法のロードマップ | AIDB
背景 ナレッジグラフとは ナレッジグラフは、ある特定の事実が整理された大きなデータベースです。事実... 背景 ナレッジグラフとは ナレッジグラフは、ある特定の事実が整理された大きなデータベースです。事実関係が(主語, 述語, 目的語)のトリプレットという形式で構造化されているのが一般的な形式です。既存のナレッジグラフは、保存されている情報に基づいて4つのグループに分類されます。 百科事典型:一般的な知識を網羅。代表例は Wikidataなど。 常識型:日常的な常識や判断に必要な知識をもつ。 特定分野型:特定分野に関する専門的な知識をもつ。 複合型:テキスト, 画像, 音声など複数の形式の情報を統合する。 LLMとナレッジグラフの長所短所 今回研究者らは、LLMとナレッジグラフを合わせて使用すると相互に補完できる関係になると述べています。 LLMの長所は、大規模なコーパス学習により、質問応答、機械翻訳、テキスト生成など様々な自然言語処理タスクで優れた性能を発揮するという点です。 一方で、LLM