Webinaire Séance 8

Action de Recherche Graphes de connaissances géohistoriques / October 2024

49 Words, 1 Minutes

Date: jeudi 7 novembre 2024, de 12h30 à 13h30.

Cette séance est consacrée à l’utilisation de grands modèles de langues (Large Language Models) pour générer des requêtes SPARQL pour interroger des graphes de connaissances (géohistoriques).

Programme:

Étude de l’utilisation des modèles de langages pour l’interrogation en langue naturelle des graphes de connaissances - par Alexandra Padonou, Peggy Cellier et Sébastien Ferré. Univ Rennes, INSA, CNRS, Inria, IRISA - UMR 6074.

Résumé : Nous présentons les résultats d’une étude approfondie des performances des grands modèles de langage (LLM) dans le contexte de l’interrogation des graphes de connaissances en langue naturelle (KGQA). La méthodologie de l’expérimentation a été structurée en deux approches distinctes : la génération de requêtes SPARQL et l’interrogation directe. Les résultats sur le benchmark QALD-10 ont révélé des performances très faibles dans la première approche et des performances correctes dans la deuxième, avec des variations importantes selon le type des questions-réponses.

Références :

Alexandra Épiphanie Padonou, Peggy Cellier, Sébastien Ferré. Étude de l’utilisation des modèles de langages pour l’interrogation en langue naturelle des graphes de connaissances. EGC 2024 - 24ème conférence francophone sur l’Extraction et la Gestion des Connaissances, Jan 2024, Dijon, France. pp.1-8.

Lehmann, J., Gattogi, P., Bhandiwad, D., Ferré, S. and Vahdati, S., 2023. Language models as controlled natural language semantic parsers for knowledge graph question answering. In ECAI 2023 (pp. 1348-1356). IOS Press.