大規模における決定論的なエンタープライズ推論のための、オントロジー構築とセマンティック・アライメントの統合

要旨: 企業は膨大な量のデータを蓄積する一方で、その多くは混沌としており実質的に休眠状態のままで、包括的な情報に基づく意思決定を妨げています。既存のニューラル・シンボリック手法は別々のパイプラインに依存しており、誤りの伝播に苦戦しています。私たちは、大規模オントロジーモデル（LOM）を導入します。これは、オントロジー構築、セマンティックな整合、論理推論を単一のエンドツーエンド構造にシームレスに統合する統一フレームワークです。LOMは、3つの段階すべてにわたってその統一アーキテクチャを活用する、構築-整合-推論（CAR）パイプラインを採用します。まず、教師なしで生データからドメイン特化のオントロジー的宇宙を自律的に構築し、次にグラフを意識したエンコーダと強化学習により、ニューラル生成をこの構造的現実に整合させ、最後に構築したトポロジー、ノード属性、関係タイプに対して決定論的な推論を実行します。私たちは、多様な現実世界の企業データセットから構築した包括的なベンチマークでLOMを評価します。実験結果は、LOM-4Bがオントロジー補完で88.8%の精度、複雑なグラフ推論タスクで94%を達成し、最先端のLLMを大きく上回ることを示しています。これらの発見は、自律的な論理構築が、決定論的で企業レベルのインテリジェンスを実現するために不可欠であることを裏付けています。