総合空港運用のための半自動知識エンジニアリングとプロセス・マッピング

要旨: 空港の運用に関するドキュメント化は、広範な技術用語、厳格な規制、特有の地域情報、複数の利害関係者にまたがる断片化したコミュニケーションにより、本質的に複雑である。その結果として生じるデータサイロや意味論的不整合は、総合空港管理（TAM）イニシアチブに対して重大な障害となっている。本論文では、記号的知識エンジニアリング（KE）と生成型大規模言語モデル（LLM）の二段階融合により、領域に根ざした機械可読な知識グラフ（KG）を構築するための方法論的枠組みを提示する。
本枠組みは、専門家がキュレーションしたKE構造が、意味的に整合した知識トリプルの発見を促すためのLLMプロンプトを導く、足場（スキャフォールド）化された融合戦略を用いる。本手法をGoogleのLangExtractライブラリ上で評価し、局所的なセグメントベース推論と文書レベル処理を比較することで、コンテキストウィンドウの利用が与える影響を調査する。LLMにおける長コンテキストの劣化に関する先行する実証的観察とは対照的に、文書レベル処理は非線形な手順的依存関係の回復を改善する。
空港運用に必要とされる高い忠実性のプロベナンス（出所追跡可能性）を確保するため、提案する枠組みでは、発見のための確率モデルと、抽出のすべてをその基底の情報源にアンカー付けするための決定論的アルゴリズムを融合する。これにより、運用ツールに求められる透明性と、いわゆる「ブラックボックス」的な生成出力との間にあるギャップを埋め、完全な追跡可能性と検証可能性を保証する。最後に、非構造化のテキストコーパスから複雑な運用ワークフローを合成するために、このパイプラインを実運用可能な形へと自動化する枠組みを導入する。