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

Resumo Técnico: De Relações Simbólicas para Relações em Linguagem Natural em Grafos de Conhecimento

Declaração do Problema
Os Grafos de Conhecimento (KGs) tradicionais baseiam-se em esquemas de relações simbólicas predefinidos, onde as arestas entre entidades são rotuladas com tipos de relações discretos e categóricos (ex: trabalha-em, amigo-de). Embora esse paradigma tenha sido operacionalmente eficaz para tarefas de jusante pré-LLM — facilitando a recuperação eficiente, a geração de embeddings e o raciocínio estruturado — ele sofre de limitações inerentes. As relações do mundo real são frequentemente contextuais, sutis, incertas e evolutivas. Comprimir essas interações complexas em rótulos simbólicos fixos abstrai detalhes semânticos críticos, levando a um descompasso entre a estrutura inflexível dos esquemas simbólicos e a complexidade do conhecimento relacional que ocorre naturalmente. Além disso, a emergência dos Grandes Modelos de Linguagem (LLMs) alterou o cenário da criação de conhecimento: os LLMs se destacam na síntese de fatos em linguagem natural e favorecem o texto rico em contexto e de formato livre para o raciocínio, em detrimento de representações quantificadas e discretas. As práticas atuais de construção de KGs muitas vezes utilizam os LLMs apenas para popular esquemas simbólicos convencionais de forma mais eficiente, falhando em aproveitar o potencial total dos LLMs para repensar a própria representação das relações.

Metodologia e Estrutura Proposta
Este artigo de posição não propõe um algoritmo específico ou um novo conjunto de dados, mas defende um mudança de paradigma fundamental na construção de KGs: a transição de categorias de relações puramente simbólicas para descrições de relações em linguagem natural. Os autores propõem um conjunto de princípios de design híbridos para equilibrar a necessidade de usabilidade estrutural com a expressividade da linguagem natural:

1. Esquemas Implícitos e Sensíveis à Tarefa: Embora a linguagem natural ofereça flexibilidade, relações completamente abertas introduzem ruído e dificultam a recuperação. Os autores defendem esquemas "implícitos" derivados de objetivos e domínios específicos. Esses esquemas guiam a geração de relações para garantir um escopo semântico apropriado sem impor ontologias rígidas e fixas.
2. Suporte para Inferência Simbólica Secundária: As relações em linguagem natural não devem ser artefatos isolados. Elas devem ser projetadas para serem mapeáveis ou classificáveis em categorias simbólicas existentes quando tarefas de jusante exigirem consulta estruturada ou agregação. Isso garante a compatibilidade com operações de grafos tradicionais, preservando o conteúdo semântico refinado.
3. Espinha Dorsal Estrutural Híbrida: A proposta central é uma arquitetura híbrida onde um conjunto mínimo de relações simbólicas genéricas e agnósticas ao domínio serve como uma espinha dorsal estrutural para travessia de grafos, indexação e recuperação eficientes. Essas âncoras simbólicas são acompanhadas por descrições ricas em linguagem natural que capturam os aspectos contextuais, sutis e evolutivos da relação. Esse design permite que o KG evolua (por exemplo, dividindo ou fundindo relações com base em insights textuais) sem interromper a estrutura global do grafo.

Principais Contribuições

• Reavaliação de Paradigma: O artigo desafia a suposição prevalecente de que os LLMs devem ser usados apenas para popular esquemas simbólicos existentes. Em vez disso, argumenta que a representação das próprias relações deve mudar para se alinhar às capacidades dos LLMs.
• Identificação de Limitações: Detalha sistematicamente as deficiências dos KGs atuais, incluindo a rigidez dos esquemas predefinidos, a falta de canonicalização nas abordagens de Extração de Informação Aberta (OpenIE), a ambiguidade de rótulos de granularidade grossa e a incapacidade dos rótulos simbólicos de capturar a dependência de contexto.
• Princípios de Design Híbrido: Articula um framework concreto para construir KGs que utilizam a linguagem natural para expressividade, mantendo estruturas simbólicas para escalabilidade e eficiência de recuperação.
• Roteiro de Pesquisa: O artigo delineia direções de pesquisa futuras específicas necessárias para operacionalizar essa mudança, incluindo:
  • Construir KGs a partir de fontes heterogêneas preservando descrições relacionais conflitantes.
  • Usar LLMs para refinar KGs existentes, enriquecendo relações simbólicas com linguagem natural e evoluindo o próprio esquema.
  • Desenvolver métodos de travessia e raciocínio baseados em contexto, onde os LLMs selecionam dinamicamente nós/relações com base no conteúdo semântico.
  • Criar métodos de embedding estrutural-semântico conjuntos que capturem tanto a topologia do grafo quanto as descrições textuais sutis.
  • Estabelecer novos protocolos de avaliação (ex: LLM-como-juiz) que avaliem a fidelidade factual e a cobertura de informação além da precisão/recall tradicional em triplas.

Resultados e Alegações
Como um artigo de posição, este trabalho não apresenta novos experimentos de larga escala ou resultados empíricos validando os KGs híbridos propostos. Em vez disso, seus "resultados" são conceituais e analíticos:

• Demonstra que o paradigma simbólico atual está cada vez mais desalinhado com os mecanismos de inferência dos LLMs modernos, que preferem o raciocínio sobre contextos de linguagem natural.
• Argumenta que uma abordagem híbrida oferece um compromisso prático, permitindo uma representação de conhecimento mais rica sem sacrificar a regularidade estrutural necessária para recuperação e indexação eficientes.
• Alega que essa mudança permite que os KGs capturem melhor a complexidade das relações do mundo real, como laços sociais ou dependências específicas de domínio, que são frequentemente perdidas na abstração categórica.

Significância
A significância do artigo reside no seu chamado para ir além do uso de LLMs como meros "extratores eficientes" para KGs tradicionais. Ele postula que o verdadeiro potencial dos LLMs na representação do conhecimento é realizado apenas quando as estruturas de dados subjacentes (especificamente as relações) são repensadas para serem nativas da linguagem natural. Ao defender um modelo híbrido, os autores fornecem um caminho para alinhar os KGs com a era da "inferência baseada em prompting", potencialmente melhorando o desempenho em tarefas intensivas de conhecimento, como resposta a perguntas, raciocínio e recomendação, ao mesmo tempo em que reconhecem as trocas necessárias entre expressividade e tratabilidade estrutural. O artigo conclui observando suas próprias limitações, especificamente que foca no aspecto relacional dos KGs (deixando a representação de entidades para trabalhos futuros), é primariamente centrado em texto e oferece orientação conceitual em vez de protocolos empiricamente validados.