AgentMap：面向本体匹配的等价与包含关系联合发现

ArXiv 论文提出 AgentMap，基于大型语言模型的多智能体框架，用于本体匹配，首次实现等价与包含映射的联合发现（HOM 任务）。在混合、仅等价、仅包含三种设置下，性能均优于现有基线。

此前本体匹配系统只能单独发现等价或包含关系，本论文的新任务 HOM 将两者统一，且引入 LLM 多智能体协作，为知识图谱、数据集成等领域提供更全面的语义匹配方式，是本体匹配任务的重要扩展。

AgentMap 通过语义检索、层次搜索和多智能体 LLM 推理，在目标本体中逐步探索，为源概念寻找最精细的父概念或等价概念，从而同时输出等价与包含映射，提升匹配的全面性和灵活性。

采用 AgentMap 可提升知识图谱对齐、数据集成等场景的语义匹配能力，减少手动构建映射的成本。但需部署多个 LLM 智能体，可能增加推理延迟和计算成本，需平衡性能与资源消耗。

• 在知识图谱对齐工具中集成 AgentMap，支持同时输出等价与包含映射，提升匹配覆盖率。
• 开发基于 AgentMap 的自动化本体映射服务，帮助用户快速发现概念间层级关系，降低人工干预。
• 将 HOM benchmark 作为评测集，用于对比不同本体匹配算法的全流程性能。

• AgentMap 的具体架构细节（如智能体数量、协作方式、Prompt 设计）尚未披露。
• 在大型真实本体上的扩展性和性能表现未知。
• 对非英文或多语言本体的支持程度尚未提及。
• 与现有主流本体匹配工具相比的实际优势缺乏独立验证。