A Short Review for Ontology Learning from Text: Stride from Shallow Learning, Deep Learning to Large Language Models Trend

本文介绍了本体论在语义Web应用中提供的知识形式化表示，以及从文本中学习本体的过程。本体学习经历了浅层学习和深度学习方法的发展，每种方法都在知识提取和表示的探索中提供了独特的优势和限制。这些方法的新趋势是依赖于大型语言模型来增强本体学习。本文回顾了本体学习的方法和挑战，分析了基于浅层学习和深度学习技术的本体学习方法的方法论和限制，并为使用大型语言模型增强本体学习的前沿工作提供了全面的知识。此外，它提出了几个值得注意的未来方向，以进一步探索将大型语言模型与本体学习任务整合的方法。

本论文旨在回顾本体学习的不同方法和挑战，并提出使用大语言模型增强本体学习的前沿工作，以解决知识提取和表示的问题。

本论文分析了浅层学习和深度学习方法在本体学习中的方法和限制，并提出了使用大语言模型增强本体学习的新思路。

论文提供了全面的本体学习方法和挑战的回顾，分析了浅层学习和深度学习方法在本体学习中的优缺点，介绍了使用大语言模型增强本体学习的前沿工作，并提出了未来的研究方向。

最近的相关研究包括《A survey of ontology learning methods and techniques》、《Ontology learning and population: Bridging the gap between text and knowledge》等。