From Symbolic to Natural-Language Relations: Rethinking Knowledge Graph Construction in the Era of Large Language Models

Technische Samenvatting: Van Symbolische naar Natuurlijke Taal-relaties in Kennisgrafen

Probleemstelling
Traditionele Kennisgrafen (KG's) vertrouwen op vooraf gedefinieerde symbolische relatieschema's, waarbij randen tussen entiteiten worden gelabeld met discrete, categorische relatietypen (bijv. werkt-bij, is-vriend-van). Hoewel dit paradigma operationeel effectief is geweest voor pre-LLM downstream-taken — het faciliteert efficiënte retrieval, embedding-generatie en gestructureerd redeneren — lijdt het aan inherente beperkingen. Werkelijke relaties zijn vaak contextueel, genuanceerd, onzeker en evoluerend. Het comprimeren van deze complexe interacties tot vaste symbolische labels abstraheert cruciale semantische details weg, wat leidt tot een mismatch tussen de inflexibele structuur van symbolische schema's en de complexiteit van natuurlijk voorkomende relationele kennis. Bovovenop heeft de opkomst van Large Language Models (LLMs) het landschap van kenniscreatie en -consumptie veranderd: LLMs blinken uit in het synthetiseren van feiten in natuurlijke taal en geven de voorkeur aan contextrijke, vrije tekst voor redeneren boven gekwantificeerde, discrete representaties. De huidige praktijken voor KG-constructie gebruiken LLMs vaak slechts om conventionele symbolische schema's efficiënter te vullen, waardoor ze het volledige potentieel van LLMs nalaten om de representatie van relaties zelf te heroverwegen.

Methodologie en Voorgesteld Raamwerk
Dit position paper stelt geen specif kind algoritme of een nieuwe dataset voor, maar pleit voor een fundamentele paradigmaverschuiving in KG-constructie: de overgang van puur symbolische relatiecategorieën naar natuurlijke taal-relatiebeschrijvingen. De auteurs stellen een reeks hybride ontwerpprincipes voor om de noodzaak van structurele bruikbaarheid te balanceren met de expressiviteit van natuurlijke taal:

1. Impliciete, Taakbewuste Schema's: Hoewel natuurlijke taal flexibiliteit biedt, introduceren volledig open eindstaande relaties ruis en hinderen ze retrieval. De auteurs pleiten voor "impliciete" schema's afgeleid van specifieke doelen en domeinen. Deze schema's sturen de generatie van relaties aan om een passende semantische reikwijdte te waarborgen zonder rigide, vaste ontologieën af te dwingen.
2. Ondersteuning voor Secundaire Symbolische Inferentie: Natuurlijke taal-relaties moeten geen geïsoleerde artefacten zijn. Ze moeten zo worden ontworpen dat ze inpasbaar of classificeerbaar zijn in bestaande symbolische categorieën wanneer downstream-taken gestructureerde queries of aggregatie vereisen. Dit zorgt voor compatibiliteit met traditionele graafoperaties terwijl de fijnmazige semantische inhoud behouden blijft.
3. Hybride Structurele Ruggengraat: Het kernvoorstel is een hybride architectuur waarbij een minimale set generieke, domein-onafhankelijke symbolische relaties dient als een structurele ruggengraat voor efficiënte graaf-traversal, indexering en retrieval. Deze symbolische ankers worden vergezeld door rijke, natuurlijke taalbeschrijvingen die de genuanceerde, contextuele en evoluerende aspecten van de relatie vastleggen. Dit ontwerp stelt de KG in staat om te evolueren (bijv. het splitsen of samenvoegen van relaties op basis van tekstuele inzichten) zonder de globale graafstructuur te verstoren.

Belangrijkste Bijdragen

• Paradigma-evaluatie: Het artikel daagt de heersende aanname uit dat LLMs alleen gebruikt moeten worden om bestaande symbolische schema's te vullen. In plaats daarvan betogen de auteurs dat de representatie van de relaties zelf moet verschuiven om aan te sluiten bij de mogelijkheden van LLMs.
• Identificatie van Beperkingen: Het beschrijft systematisch de tekortkomingen van huidige KG's, inclus\n bij de starheid van vooraf gedefinieerde schema's, het gebrek aan canonicalisering in Open Information Extraction (OpenIE) benaderingen, de ambiguïteit van grofmazige labels en het onvermogen van symbolische labels om contextafhankelijkheid te vangen.
• Hybride Ontwerpprincipes: Het formuleert een concreet raamwerk voor het construeren van KG's die natuurlijke taal gebruiken voor expressiviteit terwijl ze de symbolische structuren behouden voor schaalbaarheid en retrieval-efficiëntie.
• Onderzoeksroadmap: Het artikel schetst specifieke toekomstige onderzoeksrichtingen die nodig zijn om deze verschuiving te operationaliseren, waaronder:
  • Het construeren van KG's uit heterogene bronnen terwijl conflicterende relationele beschrijvingen behouden blijven.
  • Het gebruik van LLMs om bestaande KG's te verfijnen door symbolische relaties te verrijken met natuurlijke taal en het schema zelf te laten evolueren.
  • Het ontwikkelen van context-gebaseerde traversal en redeneermethoden waarbij LLMs dynamisch knopen/relaties selecteren op basis van semantische inhoud.
  • Het creëren van gezamenlijke structurele-semantische embedding-methoden die zowel de graaftopologie als genuanceerde tekstuele beschrijvingen vastleggen.
  • Het vaststellen van nieuwe evaluatieprotocollen (bijv. LLM-als-judge) die feitelijke getrouwheid en informatiebedekking beoordelen buiten traditionele precisie/recall op triples.

Resultaten en Claims
Als position paper presenteert dit werk geen nieuwe grootschalige experimenten of empirische resultaten die de voorgestelde hybride KG's valideren. In plaats daarvan zijn de "resultaten" conceptueel en analytisch:

• Het toont aan dat het huidige symbolische paradigma steeds meer ontkoppeld raakt van de inferentiemechanismen van moderne LLMs, die de voorkeur geven aan redeneren over natuurlijke taal-contexten.
• Het betoogt dat een hybride benadering een praktische compromis biedt, waardoor rijkere kennisrepresentatie mogelijk is zonder de structurele regelmaat op te offeren die vereist is voor efficiënte retrieval en indexering.
• Het stelt dat deze verschuiving KG's beter in staat stelt om de complexiteit van reële relaties te vangen, zoals sociale banden of domeinspecifieke afhankelijkheden, die vaak verloren gaan in categorische abstractie.

Betekenis
De betekenis van het artikel ligt in de oproep om verder te gaan dan het gebruiken van LLMs als louter "efficiënte extractoren" voor traditionele KG's. Het stelt dat het ware potentieel van LLMs in kennisrepresentatie pas wordt gerealiseerd wanneer de onderliggende datastructuren (specifiek de relaties) worden heroverwogen om inheems te zijn aan natuurlijke taal. Door te pleiten voor een hybride model, bieden de auteurs een pad om KG's af te stemmen op het tijdperk van "prompting-gebaseerde inferentie", wat potentieel de prestaties verbetert in kennisintensieve taken zoals vraagbeantwoording, redeneren en aanbevelingen, terwijl de noodzakelijke afwegingen tussen expressiviteit en structurele hanteerbaarheid worden erkend. Het artikel concludeert door de eigen beperkingen te vermelden, specifiek dat het zich richt op het relationele aspect van KG's (de entiteitsrepresentatie wordt overgelaten aan toekomstig werk), primair tekstgericht is en conceptuele begeleiding biedt in plaats van empirisch gevalideerde protocollen.