Исследование таксономии с помощью рассуждающих больших языковых моделей и вызова функций
Main Article Content
Аннотация
Рассмотрена задача пополнения таксономий – иерархических структур для организации понятий. Предложена архитектура на основе подхода ReAct (Reasoning + Acting), позволяющая пополнять таксономию в режиме zero-shot без дообучения больших языковых моделей. Система реализована в двух сценариях: автономная навигация от корневых узлов и верификация гипотез, сгенерированных другими моделями. Эксперименты на материале диахронического датасета RuWordNet показали, что прямое исследование таксономии от корня сталкивается с ограничениями, связанными со сложностью графа (MAP@3 = 24.6%). В то же время использование системы в качестве верификатора позволило улучшить качество предсказаний базовых моделей: прирост MAP@3 составил 9.5 п.п. для FastText и 1.1 п.п. для TaxoYandexGPT-5-Lite. Ключевыми преимуществами подхода являются универсальность, отсутствие необходимости дообучения и интерпретируемость за счет явных цепочек рассуждений.
Article Details
Библиографические ссылки
2. Xu H. et al. Compress and mix: Advancing efficient taxonomy completion with large language models // Proceedings of the ACM on Web Conference 2025. 2025. P. 4239–4249. https://doi.org/10.1145/3696410.3714690
3. Niu Y. et al. Contrastive representation learning for self-supervised taxonomy completion // IJCAI. 2024. Vol. 8. P. 6442–6450. https://doi.org/10.24963/ijcai.2024/712
4. Arous I., Dolamic L., Cudré-Mauroux P. Taxocomplete: Self-supervised taxonomy completion leveraging position-enhanced semantic matching //Proceedings of the ACM Web Conference 2023. 2023. P. 2509–2518. https://doi.org/10.1145/3543507.3583342
5. Xu H. et al. Tacoprompt: A collaborative multi-task prompt learning method for self-supervised taxonomy completion //Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing. 2023. P. 15804–15817. https://doi.org/10.18653/v1/2023.emnlp-main.979
6. D'Amico S. et al. Taxonomy Expansion through Collaborative LLM Mapping //Proceedings of the 40th ACM/SIGAPP Symposium on Applied Computing. 2025. P. 1961–1968. https://doi.org/10.1145/3672608.3707906
7. Moskvoretskii V. et al. Large Language Models for Creation, Enrichment and Evaluation of Taxonomic Graphs // Semantic Web: Interoperability, Usability, Applicability. 2026. Vol. 17, No. 1. https://doi.org/10.1177/22104968251404186
8. Yao S. et al. ReAct: Synergizing Reasoning and Acting in Language Models // International Conference on Learning Representations (ICLR). 2023. URL: https://openreview.net/forum?id=WE_vluYUL-X (Accessed: 31.03.2026).
9. Nikishina I. et al. Russe'2020: Findings of the first taxonomy enrichment task for the Russian language // Computational Linguistics and Intellectual Technologies. 2020. P. 579–595. URL: https://api.semanticscholar.org/CorpusID:218862855 (Accessed: 31.03.2026).
10. Nikishina I. et al. Studying taxonomy enrichment on diachronic WordNet versions // Proceedings of the 28th International Conference on Computational Linguistics. 2020. P. 3095–3106. https://doi.org/10.18653/v1/2020.coling-main.276
11. Miller G.A. et al. Introduction to WordNet: An on-line lexical database // International journal of lexicography. 1990. Vol. 3, No. 4. P. 235–244.
12. Loukachevitch N.V. et al. Creating Russian wordnet by conversion // Computational Linguistics and Intellectual Technologies. 2016. P. 405–415. URL: https://api.semanticscholar.org/CorpusID:63871134 (Accessed: 31.03.2026).
13. Nikishina I. et al. Taxonomy enrichment with text and graph vector representations // Semantic Web. 2022. Vol. 13, No. 3. P. 441–475. https://doi.org/10.1007/978-3-031-16500-9_2
14. Tikhomirov M., Loukachevitch N. Meta-embeddings in taxonomy enrichment task // Computational Linguistics and Intellectual Technologies: papers from the Annual conference “Dialogue. 2021. URL: https://dialogue-conf.org/media/5549/tikhomirovmmplusloukachevitchnv091.pdf (Accessed: 31.03.2026).
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.