P-005 · 2026 · Teamprojekt
Knowledge-Graph-Fragebeantwortung mit LLMs
Ein im Team entwickeltes System übersetzt natürlichsprachliche Fragen in SPARQL-Abfragen über DBpedia und formuliert Antworten auf Basis der Abfrageergebnisse.
Beitrag und Kontext
Ich habe an diesem Teamprojekt im Kurs Advanced Machine Learning an der Leuphana Universität mitgearbeitet. Die Streamlit-Anwendung verbindet Sprachverarbeitung, Knowledge-Graph-Abfragen und LLM-Orchestrierung.
Methode
Die Pipeline verknüpft Entitäten, prüft das Graphschema und zerlegt mehrstufige Fragen vor der SPARQL-Generierung. Anschließend führt sie die Abfrage auf DBpedia aus, korrigiert fehlerhafte Abfragen und formuliert aus den Ergebnissen eine Antwort.
Öffentliche Ergebnisse
Das Repository enthält die Anwendung, Architekturdokumentation und einen Evaluierungsworkflow für LC-QuAD. Bewertet werden Antwortmengen mit dem Makro-F1-Maß; Fehlerkategorien werden dokumentiert. So lassen sich Vorgehen und Evaluierung nachvollziehen.
Einordnung
Entitätsauflösung, Prädikatauswahl und Änderungen am aktuellen DBpedia-Graphen beeinflussen die Antwortqualität. Die Evaluierungsdokumentation erläutert die Auswahl beantwortbarer Benchmark-Fragen.