OntoScope:利用发散-收敛交互框架支持基于 LLM 的本体论范围界定
最佳论文本体论是一种正式的、明确的共享概念化规范,结合问题解决和推理方法,支持高效的语义技术开发。在本体论工程中,能力问题(CQ)捕获定义本体论应用域的功能需求。使用 CQ 审核此域范围具有挑战性,因为本质上没有明确的域边界,本体论工程师必须决定覆盖哪些子域(水平覆盖)和在本体论中建模多少细节(垂直粒度)。基于 LLM 的系统可以生成许多候选 CQ 来指导这些决策,但当前工具未能充分发挥这一潜力:它们缺乏在按覆盖率和粒度组织的可视化 CQ 空间中支持用户发散(横向)和收敛(纵向)思维的支持。因此,用户难以系统地决定采用、丢弃或细化哪些 CQ。我们提出了一个交互框架来填补这一空白,通过 OntoScope(一个基于 LLM 的交互系统)和与15名本体论工程师的用户研究来演示。据我们所知,这是第一个经过验证的基于 LLM 的系统交互框架,帮助本体论工程师审核域边界,并将碎片化的专家驱动本体论范围界定实践统一为连贯、可访问的方法。更广泛地,它展示了基于 LLM 的系统如何透明且负责任地支持更广泛的知识密集型任务。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
- 86%
Lexara:用于评估对话式可视化分析中大语言模型的用户中心化工具包
CHI '26· 大语言模型(LLM)的人机协作 +2
- 75%
交互式推理:可视化和控制大语言模型中的思维链推理
IUI '26· 大语言模型(LLM)的人机协作 +3
- 71%
色域:一项设计探针以理解数据科学家如何理解机器学习模型
CHI '19· 可解释人工智能(XAI) +2
- 71%
支持大规模语言模型输出的理解
CHI '24· 大语言模型(LLM)的人机协作 +2
- 71%
分析师如何理解和验证AI辅助的数据分析?
CHI '24· 大语言模型(LLM)的人机协作 +2
- 71%
并非越多越好:在多AI建议中平衡决策准确性与从众压力
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
TSEditor:用于隐私保护的时间序列交互式编辑系统
CHI '26· 数据隐私感知与决策 +2
- 71%
感知问卷遗漏之处:通过用户建模理解并个性化主动式LLM支持
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
调试缺陷可视化:实证洞察助力人机协同调试系统设计
CHI '26· 交互式数据可视化 +2
- 71%
PleaSQLarify:面向自然语言数据库查询的视觉语用修复
CHI '26· 大语言模型(LLM)的人机协作 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)