トランスフォーマー(BERT)とグラフニューラルネットワーク(GNN)による双方向エンコーダ表現を組み合わせたAIワークフローで、デジタル企業における知識検索のためのものです

Summary

このプロトコルは、エンティティおよびリレーション抽出のためにBERTを微調整し、オントロジーアライメントのためのグラフニューラルネットワークを用い、非構造化データからエンタープライズ知識グラフを構築し、セマンティック検索性能と意思決定支援効率を体系的に評価する再現可能なAI駆動ワークフローを提供します。

Abstract

大量の非構造化組織データは、企業の知識管理(KM)システムが正確かつ文脈に合った情報を抽出することを困難にし、非効率な知識共有や意思決定の遅延につながることがあります。本研究は、この制約を克服するための統一された人工知能駆動のフレームワークを提案しています。これは、オントロジーの整合性と意味的推論のためのグラフニューラルネットワーク(GNN)と、ドメイン固有のエンティティおよび関係抽出のための洗練された双方向エンコーダ表現(BERT)を組み合わせています。体系的なデータ収集、エンタープライズテキストコーパスの前処理、エンティティや関係を特定するためのBERTの微調整、抽出したトリプルを構造化された知識グラフに変換、そして異種な知識ソース間での意味的整合を保証するGNNベースのオントロジーアライメントが、方法論的パイプラインを構成しています。実際の企業シナリオにおけるシステム有効性を評価するために、このフレームワークは検索精度、オントロジーの整合性の正確性、意思決定遅延などのタスク指向の評価指標も統合しています。ベースライン手法と比較して、2つの産業応用における実験的検証では、意思決定遅延が35%減少し、知識検索精度が21%向上していることが示されています。

さらに、ユーザーのフィードバックによると、KMインターフェースは意味検索や文脈タグ付け機能を通じてユーザー満足度が向上しています。提案されたアーキテクチャは、グラフベースの推論と整合性を深層学習に基づく情報抽出と体系的に融合させることで、非構造化企業データから再現可能な知識グラフ構築を促進します。これらの研究結果は、組織化された知識表現が組織の手順と整合することで、戦略的および運用上のKMの成果が向上することを示しています。総合的に見て、提案された方法は検索精度を高め、意思決定ワークフローの反応時間を短縮し、企業レベルのKMシステムにとって実用的かつスケーラブルな選択肢を提供します。

Introduction

デジタルトランスフォーメーションプログラムにおいて効果的なKMの導入は、データリポジトリが断片化し、多様な組織プラットフォームが分散し、非構造化文書に分散した知識の断片化により困難です。企業知識を体系的に抽出し、構造化し、整合させ、運用する再現可能で技術的に実装可能なフレームワークは、組織やセクターの視点からAI導入とデジタルトランスフォーメーションを検討した以前の研究にもかかわらず、多くの研究で提案されていません(^1,2,3)。現在の手法は主に管理上や戦略的な結果に焦点を当てていますが、規模を拡大するためのアーキテクチャの詳細が十分ではありません。

従来の管理情報システム(MIS)や企業資源計画(ERP)システムは主に構造化データを扱い、取引報告を容易にしますが、非構造化テキストの処理や文脈認識的な意味論的推論はできません。一方で、複雑なテキストコーパス^4,5からの文脈的実体やREは、BERTのようなトランスフォーマーベースのモデルによって可能となります。同様に、GNNは多様な分野で関係推論、グラフ表現学習....

Protocol

倫理的声明

本研究はデータ収集前にマレーシア国立大学(UKM)の機関審査委員会(IRB)によって審査・承認されました(承認番号:UKM/FEP/2025/AI-047;承認日:2025年3月12日)。承認されたプロトコルは、人間参加者を含む構造化調査および半構造化インタビューの実施を含んでいました。すべての参加者には、研究の目的、自主的な参加の性質、そしていつでも問題なく辞退できる権利について説明され、参加前に書面によるインフォームドコンセントが取得されました。参加者の匿名性と機密保持は厳格に守られ、分析や出版には個人を特定できる情報は一切含まれず、すべてのデータは機関の倫理基準および関連する国際的な人間研究ガイドラインに従い、学術研究目的のみに安全に保管・使用されました。

提案されたBERT–GNN KMフレームワークの全体アーキテクチャ

当初は、内部文書、顧客とのやり取り、ソーシャルメディアコンテンツを含む非構造化テキストの処理にファインチューニングされたトランスフォーマーエンコーダが使用されていました。BERT–GNNベースのKMワークフローの全体的なシステムアーキテクチャは図1

Results

データ前処理とBERTファインチューニング

提案されたデバイスは、非構造化理解抽出のための最適調整されたBERTバージョンと、理解グラフフレームワーク内でオントロジーの整合と推論を行うグラフニューラルネットワーク(GNN)を統合しています。実験装置では、NERおよびREタスクにおけるBERT側面の全体的な性能を比較し、GNN因子は構築された理解グラフ上のリンク予測とノードクラスで検証されました。

NER課題およびRE課題のF1スコアは 表3に報告されています。データの漏洩を防ぐため、記載されている数値はすべて、訓練および検証データから70:15:15のパーティションで厳密に分割された、保留されたテストスプリットのパフォーマンスのみに関するものです。保留されたテストセットでは、提案されたBERT–GNNアーキテクチャがREおよびNERタスクで最も優れた性能を示しました。グラフベースのオントロジー.......

Discussion

本研究は、BERTを用いた文脈的意味抽出と、GNNを通じたグラフベースの関係推論およびオントロジーアライメントを統合した統一企業知識フレームワークを提示します。エンティティリンク、文書間推論、異なるビジネスデータソース間での一貫した知識表現を可能にするために、主な貢献は、単一のパイプライン内で構造化されたオントロジー認識的推論と深い文脈言語モデリングの統合^です。スケーラビリティや曖昧さに悩むルールベースシステム、出力がフラットなトランスのみモデル、事前構造化データに依存するグラフのみの手法など、現行手法の欠点に対処することで、この枠組みは科学の進歩に寄与します。このアプローチは、BERTベースの抽出とGNN推論^5,6を融合させることで、一貫したオントロジーの整合、組織化されたクロスソース推論、スケーラブルな意味的検索を可能にします。抽出や.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BERTベース(ケースなし)事前学習モデル	Google AI	該当なし	トランスフォーマーベースの事前学習言語モデル(bert-base-uncasedバリアント)
ディープグラフライブラリ(DGL)	AWS Labs	リッド:SCR_017054	グラフニューラルネットワークモデリングに使用されたバージョン2.1
Matplotlib 可視化ライブラリ	PyDataコミュニティ	リッド:SCR_008624	パフォーマンスプロットおよび視覚分析に使用
NetworkXグラフライブラリ	PyPIコミュニティ	リッド:SCR_005317	グラフ構築および解析に使用されたバージョン3.2
NumPy 数値計算ライブラリ	PyDataコミュニティ	リッド:SCR_008633	数値演算および配列処理に使用されます
NVIDIA GPU(Tesla T4 / RTX 3080)	NVIDIAコーポレーション	リッド:SCR_016409	モデル学習用のCUDA対応ハードウェアアクセラレータ
パンダスデータ分析ライブラリ	PyDataコミュニティ	リッド:SCR_018214	構造化データ操作に使用
Pythonプログラミング言語	Pythonソフトウェア財団	リッド:SCR_008394	モデル開発およびデータ処理に使用されたバージョン3.10
PyTorch ディープラーニングフレームワーク	メタAI	リッド:SCR_018536	ニューラルネットワーク実装に使用されたバージョン2.0
Scikit-learn機械学習ライブラリ	Scikit-learn開発者	リッド:SCR_002577	バージョン1.5は前処理および評価メトリクスに使用されます
トランスフォーマーNLPライブラリ	ハグフェイス	リッド:SCR_020989	プリトレーニング型トランスモデルに使用されたバージョン4.40
Ubuntu Linux オペレーティングシステム	キャノニカル社	リッド:SCR_018317	バージョン20.04 LTSランタイム環境