OntoKG: 内在的・関係的ルーティングによる、オントロジー指向の知識グラフ構築

要旨: 大規模な知識グラフを型付きプロパティグラフに整理するには、構造上の意思決定が必要です――どのエンティティをノードにするか、どのプロパティをエッジにするか、そしてどのスキーマがこれらの選択を統治するか。既存のアプローチでは、これらの意思決定がパイプラインコードに埋め込まれていたり、関係が場当たり的に抽出されたりするため、スキーマがその構築プロセスと強く結び付いてしまい、下流のオントロジー（体系）レベルのタスクで再利用しにくくなっています。私たちは、グラフ構築の単なる副産物としてではなく、オントロジー分析、エンティティの識別（曖昧さ解消）、ドメインのカスタマイズ、LLM（大規模言語モデル）によるガイド付き抽出のために、最初からスキーマを設計するオントロジー指向のアプローチを提示します。このアプローチの中核となる仕組みは、固有関係ルーティング（intrinsic-relational routing）であり、すべてのプロパティを「固有（intrinsic）」または「関係（relational）」のいずれかに分類し、それを対応するスキーマモジュールへルーティングします。このルーティングにより、ストレージのバックエンドをまたいで移植可能であり、かつ独立して再利用できる宣言的なスキーマが生成されます。
このアプローチを2026年1月のWikidataダンプに適用します。ルールベースのクレンジング段階によって、ダンプ全体から34.6Mエンティティのコア集合を特定し、その後、固有関係ルーティングを反復的に適用して、各プロパティを8カテゴリの下に整理された94モジュールのいずれかへ割り当てます。ツール支援付きLLMサポートと人手によるレビューにより、スキーマは分類されたエンティティに対するカテゴリカバレッジ93.3%およびモジュール割り当て98.0%を達成します。このスキーマをエクスポートすると、38種類の関係タイプにまたがり、34.0Mノードと61.2Mエッジを持つプロパティグラフが得られます。私たちは、構築パイプラインとは独立してスキーマを消費する5つの適用を通じて、オントロジー指向という主張を検証します。具体的には、オントロジー構造の分析、ベンチマーク注釈の監査、エンティティの識別、ドメインのカスタマイズ、LLMによるガイド付き抽出です。