跳转至

文章背景与核心概要

在现代人力资源（HR）平台中，组织成千上万条未经标准化、多语言的专业技能声明一直是一个长期存在的挑战，并直接影响到人才匹配等下游任务的性能。为了解决这一痛点，作者提出了一种混合知识图谱生成流水线。该方案将大语言模型（LLM）锚定在 Wikidata 多语言知识图谱（KG）上，同时采用具备反思（reflexion）机制的智能体模式来合成新兴概念及其元数据。

与僵化的自顶向下方法或碎片化的自底向上方法不同，该系统将识别出的概念锚定到稳定的知识图谱实体上，同时为未被识别的技能动态创建新节点和关系元数据。整个流水线包含五个清晰的阶段——实体对齐、多语言规范化、主动策划、去污去重以及未映射概念的迭代恢复，能够自动适应五种欧洲语言中快速演变、充满噪声的技能描述。最终，该框架为从非结构化文本中生成全面的技能知识图谱提供了一种可扩展、可解释且具自愈能力的解决方案，并能据此成功推导出结构化的分类法。

知识图谱生成的智能体混合自顶向下与自底向上方法 (An Agentic Hybrid Top-Down and Bottom-Up Approach to Knowledge Graph Generation)

  • 作者： Emma Jouffroy, Warren Jouanneau, Marc Palyart
  • 研究领域： 计算与语言 (cs.CL)；人工智能 (cs.AI)
  • arXiv 标识符： arXiv:2608.07023
  • 提交时间： 2026年8月7日
  • 许可证： 知识共享署名 4.0 license icon

摘要 (Summary)

组织成千上万条未经标准化、多语言的专业技能声明一直给人力资源（HR）平台带来持久的挑战，并直接影响诸如人才匹配等下游任务。为解决这一问题，作者提出了一种混合知识图谱生成流水线，该流水线将大语言模型（LLM）基于 Wikidata 多语言知识图谱（KG）进行锚定，同时采用智能体反思模式来综合新兴概念及其元数据。

Organizing thousands of unstandardized, multilingual expertise declarations presents a persistent challenge for Human Resources (HR) platforms, directly impacting downstream tasks such as talent matching. To resolve this, the authors propose a hybrid knowledge graph generation pipeline that grounds a Large Language Model (LLM) in the Wikidata multilingual Knowledge Graph (KG) while employing an agentic reflexion pattern to synthesize emerging concepts and their metadata.

与死板的自顶向下方法或零散的自底向上方法不同，该系统将识别出的概念锚定到稳定的知识图谱实体上，同时为未被识别的技能动态创建新节点和关系元数据。该流水线通过五个不同的阶段执行——实体对齐、多语言规范化、主动策划、去重以及未映射概念的迭代恢复——能够自动适应五种欧洲语言中快速演变、充满噪声的技能表述。最终，该框架为从非结构化文本中生成全面的技能知识图谱提供了一种可扩展、可解释且具自愈能力的解决方案，并可由此成功推导出结构化的分类法。

Unlike rigid top-down methods or fragmented bottom-up approaches, the proposed system anchors recognized concepts to stable Knowledge Graph entities while dynamically creating new nodes and relational metadata for unrecognized skills. Executed across five distinct stages—entity reconciliation, multilingual canonicalization, active curation, deduplication, and iterative recovery of unmapped concepts—the pipeline autonomously adapts to rapidly evolving, noisy skill mentions across five European languages. Ultimately, this framework provides a scalable, explicable, and self-healing solution for generating a comprehensive skills knowledge graph from unstructured text, from which a structured taxonomy can be successfully derived.