Squarcialupi, Riccardo
(2024)
Actively Ontology Learning from Large Language Models.
[Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [LM-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
![]() |
Documento PDF (Thesis)
Full-text non accessibile fino al 31 Dicembre 2024. Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato Download (1MB) | Contatta l'autore |
Abstract
Active learning is a framework where a learner attempts to learn some kind of knowledge by posing questions to a teacher. In computational learning theory, classically, the questions made by the learner are called membership queries and are answered with ‘yes’ or ‘no’ (or equivalently, with ‘true’ or ‘false’). Here we consider that the teacher is a language model and study the case in which the knowledge is expressed as an ontology. To evaluate the approach, we present results showing the performance of GPT and other language models when answering whether valid expressions on existing EL are “true” or “false”.
Abstract