领域特定元数据的自然语言访问：一种可重用的 LLM 查询生成框架

本文提出 NLKGQ 框架，使研究人员能通过自然语言访问领域档案元数据。该方法利用精心设计的 OWL 本体捕获领域语义，使大语言模型无需微调即可零样本生成准确的 SPARQL 结构化查询。系统在神经影像档案中验证，最佳配置在专家构建的问题集上达到 100% 准确率。消融实验表明，实体名称的可读性与语义标注是影响准确性的关键因素，优于模型选择或提示工程。此外，研究对比了 SPARQL 与 SQL 后端，证实 OWL 结构特征更利于 LLM 生成查询，并展示了在本地硬件部署以保护隐私的能力。