OntoLearner: A Modular Python Library for Ontology Learning with Large Language Models
作者: Hamed Babaei Giglou, Jennifer D'Souza, Andrei Aioanei, Nandana Mihindukulasooriya, Sören Auer
分类: cs.AI
发布日期: 2026-07-02
备注: 30 pages. Under review at Nature Communications. This version is reformatted with a different section structure; content is unchanged
🔗 代码/项目: GITHUB
💡 一句话要点
提出OntoLearner以解决本体学习领域的基础设施不足问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 本体学习 大型语言模型 知识图谱 模块化框架 标准化评估 跨领域研究 机器可读本体
📋 核心要点
- 现有本体学习方法缺乏统一的基础设施，导致研究进展缓慢且碎片化。
- OntoLearner框架通过整合本体访问和大型语言模型学习流程，提供标准化的评估基准，促进跨领域研究。
- 实验证明，OL的失败模式与本体复杂性相关，而非模型能力，强调了结构匹配的重要性。
📝 摘要（中文）
本体学习（OL）旨在从文本中自动构建结构化知识模型，但在方法、领域和评估实践上进展仍然分散。尽管经过数十年的研究，OL缺乏系统评估和本体访问的共享基础设施，这阻碍了进展并使研究碎片化。本文介绍了OntoLearner，一个模块化的跨领域框架，统一了本体访问、大型语言模型驱动的学习流程和标准化基准。OntoLearner发布了涵盖22个领域的180个机器可读本体，并为三个核心OL任务提供了准备好的数据集。通过这一基础设施，我们进行了大规模的OL实证研究，评估了22个检索模型和12个LLM，结果表明OL的主要挑战在于本体复杂性，而非模型规模或架构复杂性。
🔬 方法详解
问题定义：本体学习（OL）面临的主要问题是缺乏统一的基础设施和标准化评估，导致研究进展缓慢且方法分散。现有方法在处理复杂本体时表现不佳，无法有效利用大型语言模型的能力。
核心思路：OntoLearner框架通过模块化设计，整合了本体访问和基于大型语言模型的学习流程，提供了标准化的数据集和评估基准，旨在提升本体学习的系统性和有效性。
技术框架：OntoLearner的整体架构包括三个主要模块：本体访问模块、学习管道模块和评估基准模块。用户可以通过这些模块进行本体的获取、学习任务的执行及结果的评估。
关键创新：OntoLearner的最大创新在于其模块化设计和跨领域的标准化评估，首次将本体访问与大型语言模型学习结合，解决了以往方法的局限性。
关键设计：在设计中，OntoLearner提供了180个机器可读本体，涵盖22个领域，并为三个核心任务（术语分类、分类法发现和非分类关系提取）提供了训练、开发和测试数据集。
🖼️ 关键图片
📊 实验亮点
实验结果显示，OntoLearner在22个检索模型和12个大型语言模型的评估中，揭示了本体复杂性与学习失败模式之间的关系，强调了结构匹配的重要性。这一发现为本体学习提供了新的视角，推动了该领域的研究进展。
🎯 应用场景
OntoLearner的潜在应用领域包括知识图谱构建、信息检索、自然语言处理等。通过提供标准化的评估和丰富的本体资源，OntoLearner能够帮助研究人员和开发者更高效地进行本体学习，推动相关领域的研究与应用发展。
📄 摘要（原文）
Ontology learning (OL) aims to automatically construct structured knowledge models from text, yet progress remains fragmented across methods, domains, and evaluation practices. Despite decades of research, OL lacks a shared infrastructure for systematic evaluation and ontology access. This absence has hindered progress and fragmented research, leaving the central challenges of OL largely unaddressed. We introduce OntoLearner, a modular, cross-domain, and first-of-its-kind framework that unifies ontology access, large language model (LLM)-driven learning pipelines, and standardized benchmarking. OntoLearner releases 180 machine-readable ontologies spanning 22 domains and provides pipeline-ready datasets with train/dev/test splits for three core OL tasks: term typing, taxonomy discovery, and non-taxonomic relation extraction. Using this infrastructure, we conduct a large-scale empirical study of OL, evaluating 22 retrieval models and 12 LLMs across domains and tasks. The results converge on a finding that reframes the central challenge of OL: failure modes scale with ontological complexity rather than model size or architectural sophistication. The primary bottleneck is not model capability, but a structural mismatch between how models encode knowledge and how ontologies organize it. These findings establish that effective OL is reachable through the cross-domain, multi-task benchmarking enabled by OntoLearner. OntoLearner is open-source (MIT license) at https://github.com/sciknoworg/OntoLearner/.