💻 computer science

A Framework for Dynamic Knowledge Graph Ontology Incremental Alignment based on Large Language Model Agents

यह शोध पत्र DOKA-Agent का प्रस्ताव करता है, जो एक लार्ज लैंग्वेज मॉडल एजेंट फ्रेमवर्क है जो विकसित होते नॉलेज ग्राफ्स में गतिशील, वृद्धिशील ऑन्टोलॉजी संरेखण (ontology alignment) प्राप्त करने के लिए 'पर perceives-plan-act' वर्कफ़्लो का उपयोग करता है, जिससे पारंपरिक स्थिर विधियों की तुलना में सिमेंटिक सटीकता में सुधार होता है और अपडेट विलंबता (update latency) कम होती है।

मूल लेखक: Hao Qin, Fusheng Wei, Bin Liang, Wobin Lin

प्रकाशित 2026-07-03

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hao Qin, Fusheng Wei, Bin Liang, Wobin Lin

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक विशाल, जीवित पुस्तकालय की कल्पना करें जहाँ किताबें लगातार लिखी जा रही हैं, फिर से लिखी जा रही हैं और नए अनुभागों में रखी जा रही हैं। यह पुस्तकालय एक नॉलेज ग्राफ (Knowledge Graph) है—तथ्यों का एक डिजिटल मानचित्र जिसका उपयोग कंप्यूटर को स्मार्ट निर्णय लेने में मदद करने के लिए किया जाता है।

समस्या यह है कि यह पुस्तकालय हर सेकंड बदल रहा है। नई किताबें आ रही हैं, पुराने तथ्य अपडेट हो रहे हैं, और अनुभागों को पुनर्व्यवस्थित किया जा रहा है। इस पुस्तकालय को व्यवस्थित करने का पुराना तरीका ऐसा था जैसे साल में एक बार पूरी इमारत की फोटो लेना, पिछले साल की फोटो से तुलना करना, और फिर यह सुनिश्चित करने के लिए हफ्तों तक सब कुछ फिर से व्यवस्थित करना कि लेबल मेल खाएं। यह धीमा, महंगा है, और जब तक आप इसे पूरा करते हैं, पुस्तकालय पहले ही बदल चुका होता है।

इस शोध पत्र के लेखक, जो ग्वांगडोंग पावर ग्रिड कंपनी की एक टीम है, एक नया समाधान प्रस्तावित करते हैं जिसे DOKA-Agent कहा जाता है। इस 'लाइब्रेरियन रोबोट' की कल्पना करें जो केवल फोटो नहीं लेता; बल्कि वह वास्तविक समय (real-time) में पुस्तकालय को देखता रहता है।

यह रोबोट एक सरल तीन-चरणीय प्रक्रिया का उपयोग करके काम करता है: पर perceives (देखना/महसूस करना), Plan (योजना बनाना), और Act (कार्य करना)।

1. Perceive: रोबोट की आँखें

जब पुस्तकालय में कोई बदलाव होता है (जैसे कि एक नई किताब का आना या लेबल का बदलना), तो रोबोट के "कान" और "आँखें" (Dynamic Perception Module) उसे तुरंत पकड़ लेते हैं।

उपमा: कल्पना करें कि एक सुरक्षा गार्ड जो केवल एक दरवाजा खुलते हुए ही नहीं देखता; वे तुरंत जानते हैं कि कौन अंदर आया, वे क्या लेकर आए हैं, और वे कहाँ जा रहे हैं।
चुनौती: कभी-कभी गार्ड के पास सभी विवरण नहीं होते (शायद किताब का कवर धुंधला है)। यदि रोबोट के पास जानकारी अधूरी है, तो वह अनुमान नहीं लगाता। वह आगे बढ़ने से पहले खाली स्थानों को भरने के लिए तुरंत पुस्तकालय के डेटाबेस से अधिक विवरण मांगता है।

2. Plan: रोबोट का मस्तिष्क

एक बार जब रोबोट को पता चल जाता है कि क्या बदला है, तो वह इसे ठीक करने के लिए झपटता नहीं है। वह योजना बनाने (Plan) के लिए रुकता है।

उपमा: एक जासूस की तरह सोचें जो रहस्य सुलझा रहा है। अपराधी का अनुमान लगाने के बजाय, जासूस सुरागों की सूची बनाता है: "मुझे उंगलियों के निशान देखने होंगे, अलबी (alibi) की जांच करनी होगी, और हथियार की तुलना करनी होगी।"
कार्रवाई: रोबोट तय करता है कि उसे किन उपकरणों का उपयोग करना चाहिए। उसे समान पुस्तकों की सूची खोजने (Vector Search), पुस्तक के पड़ोस की जाँच करने (Structural Context), या कवर पर लिखे टेक्स्ट (Lexical Similarity) की आवश्यकता हो सकती है। वह इस विशिष्ट परिवर्तन के लिए एक कस्टम गेम प्लान बनाता है।

3. Act: रोबोट के हाथ

अब रोबोट अपनी योजना को क्रियान्वित करता है। वह पुस्तकालय के कैटलॉग से सबसे अच्छा मेल खाने वाली पुस्तक को ढूंढता है और निर्णय लेता है: "क्या यह वही किताब है? क्या यह एक बड़ी श्रेणी है? या यह असंबंधित है?"

कॉन्फिडेंस चेक (Confidence Check): शेल्फ पर नया लेबल चिपकाने से पहले, रोबोट खुद से पूछता है, "मैं कितना आश्वस्त हूँ?" यदि वह कम से कम 70% आश्वस्त नहीं है, तो वह किताब को एक तरफ रख देता है और कोई बदलाव नहीं करता है। यह गलत लेबल के साथ पुस्तकालय को अस्त-व्यस्त होने से रोकता है।
परिणाम: नया तथ्य तुरंत पुस्तकालय में जोड़ दिया जाता है, और रोबोट अगले परिवर्तन के लिए तैयार हो जाता है।

यह पुराने तरीके से बेहतर क्यों है?

लेखकों ने एक मानक लाइब्रेरी डेटासेट (DBP15K) का उपयोग करके इस रोबोट का अन्य तरीकों के विरुद्ध परीक्षण किया। यहाँ उन्हें क्या मिला:

गति (Speed): पुराने तरीके एक बार में एक किताब बदलने पर पूरे पुस्तकालय को पुनर्गठित करने की कोशिश करने जैसे थे। DOKA-Agent केवल उन विशिष्ट पुस्तकों को छूता है जो बदली हैं। यह मौजूदा सर्वोत्तम तरीकों की तुलना में 96% तेज़ था।
सटीकता (Accuracy): क्योंकि रोबोट विभिन्न उपकरणों का मिश्रण उपयोग करता है (टेक्स्ट को पढ़ना, उसके पड़ोसियों की जाँच करना और संरचना को देखना), यह कम गलतियाँ करता है। इसने सटीकता परीक्षणों में उच्च स्कोर किया क्योंकि यह उन तरीकों से बेहतर था जो केवल टेक्स्ट या केवल संरचना को देखते थे।
अनुकूलन क्षमता (Adaptability): जैसे-जैसे पुस्तकालय बढ़ता और बदलता गया (वास्तविक दुनिया के परिदृश्य का अनुकरण करते हुए), रोबोट नए परिवर्तनों को संभालने में बेहतर होता गया, जबकि अन्य तरीके नई जानकारी के "ड्रिफ्ट" (drift) के साथ तालमेल बिठाने में संघर्ष करते रहे।

मुख्य निष्कर्ष (The Bottom Line)

शोध पत्र का दावा है कि एलाइनमेंट प्रक्रिया को एक एकल, स्थिर गणना के बजाय एक वर्कफ़्लो (Perceive-Plan-Act) में बदलकर, हम ज्ञान ग्राफ को धीमा किए बिना उसे अपडेट रख सकते हैं।

यह एक इंसान द्वारा साल में एक बार पूरी विश्वकोश (encyclopedia) को याद करने के बजाय, एक स्मार्ट सहायक की तरह है जो विश्वकोश को लिखे जाते हुए देखता है, जैसे ही तथ्य आते हैं उनकी जाँच करता है, और वास्तविक समय में इंडेक्स को अपडेट करता है। परिणाम एक ऐसा पुस्तकालय है जो हमेशा सटीक, हमेशा वर्तमान और उपयोग के लिए हमेशा तैयार रहता है।

तकनीकी सारांश: लार्ज लैंग्वेज मॉडल एजेंटों पर आधारित डायनेमिक नॉलेज ग्राफ ऑन्टोलॉजी इंक्रीमेंटल अलाइनमेंट के लिए एक फ्रेमवर्क

समस्या विवरण

डायनेमिक नॉलेज ग्राफ (KGs), जिनका उपयोग जोखिम प्रबंधन, अनुपालन निगरानी और औद्योगिक सुरक्षा जैसे डोमेन में किया जाता है, नए एंटिटीज, संशोधित नियमों और स्ट्रीमिंग इवेंट्स के आगमन के माध्यम से निरंतर विकसित होते हैं। हालांकि, मौजूदा ऑन्टोलॉजी अलाइनमेंट विधियां सेमेंटिक सटीकता (semantic precision) और अपडेट लेटेंसी (update latency) के बीच एक निरंतर संघर्ष का सामना करती हैं। पारंपरिक स्टैटिक अलाइनमेंट विधियों को हर अपडेट के बाद संपूर्ण अलाइनमेंट पाइपलाइन को फिर से चलाने की आवश्यकता होती है, जो कम्प्यूटेशनल रूप से महंगा है और स्ट्रीमिंग वातावरण के लिए अनुपयुक्त है। पारंपरिक इंक्रीमेंटल दृष्टिकोण पुन: गणना (recomputation) को तो कम करते हैं, लेकिन वे अक्सर समृद्ध टेक्स्टुअल विवरण या सेमेंटिक कॉन्टेक्स्ट परिवर्तनों की व्याख्या करने में विफल रहते हैं, क्योंकि वे मुख्य रूप से स्ट्रक्चरल अपडेट्स पर ध्यान केंद्रित करते हैं। इसके अलावा, जबकि लार्ज लैंग्वेज मॉडल्स (LLMs) ने सेमेंटिक मैचिंग में सुधार किया है, अधिकांश वर्तमान LLM-आधारित विधियां स्थिर या बैच अलाइनमेंट के लिए डिज़ाइन की गई हैं, न कि निरंतर ग्राफ विकास (continuous graph evolution) के लिए। यह अंतराल एक ऐसे समाधान की आवश्यकता को जन्म देता है जो दक्षता या सटीकता से समझौता किए बिना निरंतर विकसित होते ग्राफ में सेमेंटिक कंसिस्टेंसी बनाए रख सके।

कार्यप्रणाली: DOKA-Agent

यह शोध पत्र DOKA-Agent का प्रस्ताव करता है, जो एक डायनेमिक ऑन्टोलॉजी इंक्रीमेंटल अलाइनमेंट फ्रेमवर्क है जो एक परसीव-प्लान-एक्ट (perceive-plan-act) वर्कफ़्लो के भीतर संचालित होने वाले लार्ज लैंग्वेज मॉडल (LLM) एजेंट का उपयोग करता है। यह फ्रेमवर्क ग्राफ परिवर्तनों को कैप्चर करने, सेमेंटिक कॉन्टेक्स्ट को समृद्ध करने और वास्तविक समय में सत्यापित अलाइनमेंट निर्णय उत्पन्न करने के लिए डिज़ाइन किया गया है।

मुख्य आर्किटेक्चर

फ्रेमवर्क में तीन प्राथमिक मॉड्यूल शामिल हैं:

डायनेमिक परसेप्शन मॉड्यूल (Dynamic Perception Module):
- इनपुट: ऑपरेशन मेटाडेटा, टाइमस्टैम्प और परिवर्तित ग्राफ ऑब्जेक्ट्स वाला रॉ डेटाबेस इवेंट्स ( $E_{raw}$ ) का एक स्ट्रीम।
- कार्य: लो-लेवल ऑपरेशन्स को स्ट्रक्चर्ड सेमेंटिक इवेंट्स (जैसे, एंटिटी क्रिएशन, रिलेशन मॉडिफिकेशन) में अनुवादित करना। यह इन्हें टास्क डिस्क्रिप्शन ( $T$ ) में सीरियलाइज करता है जिसमें एंटिटी आईडी, प्रकार और स्ट्रक्चरल विवरण शामिल होते हैं।
- क्वालिटी कंट्रोल: इवेंट कवरेज और टास्क पूर्णता को मापता है। यदि किसी टास्क में पर्याप्त एट्रिब्यूट्स या नेबरहुड कॉन्टेक्स्ट की कमी है, तो यह मॉड्यूल टास्क को एजेंट को भेजने से पहले अधूरी जानकारी को पूरा करने के लिए एक ग्राफ क्वेरी टूल (Graph Query Tool) को कॉल करता है।
एजेंट डिसीजन-मेकिंग कोर (Agent Decision-Making Core):
- प्लानिंग फेज: LLM इनकमिंग टास्क को निष्पादनीय सब-टास्क ( $P$ ) में विभाजित करता है, जो इवेंट टाइप और सेमेंटिक जटिलता के आधार पर टूल इनवोकेशन के क्रम को अनुकूलित करता है। यह वर्णनात्मक टेक्स्ट, पड़ोसी एंटिटीज और रिलेशंस को प्राप्त करने के लिए ग्राफ कॉन्टेक्स्ट ( $C$ ) को क्वेरी करता है।
- एक्शन फेज:
  - एनकोडिंग: LLM समृद्ध कॉन्टेक्स्ट से एक यूनिफाइड सेमेंटिक डिस्क्रिप्शन ( $d'$ ) और एम्बेडिंग ( $v$ ) जेनरेट करता है।
  - हाइब्रिड रिट्रीवल: एक डेंस-स्पार्स रणनीति का उपयोग करके वेक्टर इंडेक्स से कैंडिडेट्स को रिट्रीव किया जाता है।
  - हाइब्रिड सिमिलैरिटी स्कोरिंग: प्रत्येक कैंडिडेट के लिए, सिस्टम एक वेटेड सिमिलैरिटी स्कोर की गणना करता है जो निम्नलिखित का संयोजन है:
    - सेमेंटिक सिमिलैरिटी: LLM-जेनरेटेड एम्बेडिंग्स पर आधारित।
    - स्ट्रक्चरल सिमिलैरिटी: रिलेशन सेट्स के इंटरसेक्शन ओवर यूनियन ( $|R \cap sR,i| / |R \cup sR,i|$ ) के माध्यम से गणना की गई।
    - लेक्सिकल सिमिलैरिटी: नॉर्मलाइज्ड एडिट डिस्टेंस का उपयोग करके अनुमानित।
  - रिलेशन डिसीजन: LLM कैंडिडेट्स और उनके सिमिलैरिटी स्कोर का मूल्यांकन करता है ताकि रिलेशन टाइप (जैसे, इक्विवेलेंट, ब्रॉडर, नैरोअर) और कॉन्फिडेंस स्कोर ( $\theta$ ) की भविष्यवाणी की जा सके।
- कमिटमेंट: सिस्टम उच्चतम-कॉन्फिडेंस वाले निर्णय को चुनता है। अलाइनमेंट्स को ग्राफ में तभी कमिट किया जाता है जब कॉन्फिडेंस थ्रेशोल्ड ( $\theta_{thresh} = 0.7$ ) से अधिक हो; कम-कॉन्फिडेंस वाले मैचों को रिजेक्ट कर दिया जाता है।
टूल्स और नॉलेज बेस:
- फ्रेमवर्क नेबरहुड कॉन्टेक्स्ट एक्सट्रैक्शन के लिए ग्राफ क्वेरी टूल और एक इंक्रीमेंटल वेक्टर इंडेक्स पर कुशल सिमिलैरिटी सर्च के लिए वेक्टर सर्च टूल पर निर्भर करता है।
- एक ड्यूल-लेयर नॉलेज बेस (ग्राफ DB और इंडेक्सDB) सेमेंटिक रिट्रीवल और पर्सिस्टेंट ग्राफ अपडेट्स को सपोर्ट करता है।
- ऑप्टिमाइजेशन: हाइब्रिड सिमिलैरिटी वेट्स को सेमेंटिक, स्ट्रक्चरल और लेक्सिकल योगदानों को संतुलित करने के लिए क्रॉस-एन्ट्रॉपी और L2 रेगुलराइजेशन को संयोजित करने वाले एक टोटल लॉस फंक्शन का उपयोग करके ऑप्टिमाइज़ किया गया है।

मुख्य योगदान

शोध पत्र तीन विशिष्ट योगदानों को रेखांकित करता है:

DOKA-Agent फ्रेमवर्क: डायनेमिक नॉलेज ग्राफ के लिए विशेष रूप से तैयार किया गया एक डायनेमिक ऑन्टोलॉजी अलाइनमेंट फ्रेमवर्क, जो स्टैटिक स्नैपशॉट्स से आगे बढ़ता है।
इंक्रीमेंटल परसीव-प्लान-एक्ट वर्कफ़्लो: एक अभिनव वर्कफ़्लो जो कॉन्टेक्स्ट कम्प्लीशन, हाइब्रिड रिट्रीवल (डेंस-स्पार्स), और रिलेशन-अवेयर डिसीजन-मेकिंग को एकीकृत करता है, जिससे एजेंट को इवेंट टाइप्स और सेमेंटिक जटिलता के अनुकूल होने की अनुमति मिलती है।
एम्पिरिकल वैलिडेशन: डायनेमिक नॉलेज ग्राफ बेंचमार्क्स पर व्यापक सत्यापन, जो मौजूदा स्टैटिक और डायनेमिक बेसलाइन्स की तुलना में अलाइनमेंट क्वालिटी और ऑपरेशनल एफिशिएंसी दोनों में सुधार प्रदर्शित करता है।

प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन DBP15K डायनेमिक पार्टिशन्स (ZH-EN, JA-EN, FR-EN) पर किया गया, जो तीन टाइम स्टेप्स ( $t_0, t_1, t_2$ ) के माध्यम से ग्राफ इवोल्यूशन का अनुकरण करता है।

स्टैटिक अलाइनमेंट परफॉरमेंस: DOKA-Agent ने सभी सबसेट्स पर सर्वश्रेष्ठ समग्र प्रदर्शन हासिल किया, जिसने DINGAL-B, HGCN-JE, और LLM-Static जैसे मजबूत बेसलाइन्स को पछाड़ दिया। उदाहरण के लिए, DBP15K-FR-EN पर, इसने 93.5% का Hit@1 और 96.2% का F1 प्राप्त किया, जो अगले सर्वश्रेष्ठ मेथड (LLM-Static) से Hit@1 में 0.9% अधिक था।
डायनेमिक अलाइनमेंट परफॉरमेंस: इंक्रीमेंटल सेटिंग्स ( $t_1, t_2$ ) में, DOKA-Agent ने डायनेमिक बेसलाइन्स (DINGAL-O, DINGAL-U) और डायरेक्ट LLM अप्रोचेस (LLM-Direct) को लगातार पछाड़ दिया। परिणाम बताते हैं कि चेंज इवेंट्स को स्पष्ट रूप से कैप्चर करना और अपडेटेड कॉन्टेक्स्ट के साथ रिलेशंस का पुन: अनुमान लगाना, केवल स्ट्रक्चरल अपडेट्स या डायरेक्ट मैचिंग की तुलना में अधिक प्रभावी है।
ऑपरेशनल एफिशिएंसी: DOKA-Agent ने महत्वपूर्ण दक्षता लाभ प्रदर्शित किया। DBP15K-ZH-EN डेटासेट पर $t_1$ में, इसने प्रति इवेंट औसतन 0.9 सेकंड का प्रोसेसिंग टाइम और 3.8 सेकंड का कुल अलाइनमेंट टाइम प्राप्त किया, जो स्टैटिक बेसलाइन DINGAL-B (102.5 सेकंड) की तुलना में 96.3% दक्षता सुधार दर्शाता है।
एब्लेशन स्टडी (Ablation Study): कोर कंपोनेंट्स (प्लानिंग मॉड्यूल, सेमेंटिक सिमिलैरिटी, या इंफॉर्मेशन कम्प्लीशन) को हटाने के परिणामस्वरूप मापने योग्य प्रदर्शन गिरावट हुई, जो पुष्टि करती है कि प्लानिंग, सेमेंटिक एनकोडिंग और कॉन्टेक्स्ट एनरिचमेंट का एकीकरण फ्रेमवर्क की सफलता के लिए आवश्यक है।

महत्व और दावे

शोध पत्र का दावा है कि एजेंटिक ऑर्केस्ट्रेशन (agentic orchestration) निरंतर विकसित होते नॉलेज ग्राफ में सेमेंटिक कंसिस्टेंसी बनाए रखने के लिए एक व्यावहारिक तंत्र प्रदान करता है। ऑन्टोलॉजी अलाइनमेंट को एक मोनोलिथिक प्रेडिक्शन स्टेप के बजाय, धारणा (perception), योजना (planning) और टूल उपयोग (tool use) से जुड़े एक डायनेमिक वर्कफ़्लो के रूप में फ्रेम करके, DOKA-Agent पारंपरिक इंक्रीमेंटल विधियों (जिनमें सेमेंटिक गहराई की कमी है) और स्टैटिक LLM विधियों (जिनमें स्ट्रीमिंग परिवर्तनों के प्रति प्रतिक्रियाशीलता की कमी है) दोनों की सीमाओं को संबोधित करता है।

लेखक इस दृष्टिकोण को भविष्य के विस्तार के लिए एक लचीला इंटरफेस प्रदान करते हैं, जैसे कि स्ट्रॉन्गर कंस्ट्रेंट चेकिंग और औद्योगिक सुरक्षा एवं शिक्षा जैसे डोमेन-विशिष्ट अनुकूलन। हालांकि, पेपर अपनी सीमाओं के संबंध में एक मध्यम रुख बनाए रखता है, यह स्वीकार करते हुए कि वर्तमान कार्यान्वयन ग्राफ-साइड इवेंट कैप्चर की गुणवत्ता और LLM आउटपुट्स की स्थिरता पर निर्भर करता है। यह नोट करता है कि LLM-आधारित मैचिंग हैलुसिनेशन (hallucinations) के प्रति संवेदनशील है और DBP15K पर मूल्यांकन पूरी तरह से डोमेन-विशिष्ट बाधाओं या वास्तविक दुनिया के औद्योगिक अपडेट नॉइज़ को कवर नहीं करता है। भविष्य के कार्य के रूप में मल्टी-एजेंट सहयोग और बड़े स्ट्रीमिंग बेंचमार्क्स की खोज करने का सुझाव दिया गया है।