في عالم الذكاء الاصطناعي، يبقى تصميم الأنطولوجيا (Ontology) عقبة رئيسية تواجه الأنظمة التي تعتمد على المعرفة. كل الطرق الآلية المتاحة حتى الآن تعتمد إما على مخططات محددة مسبقًا، أو تعمل ضمن نطاقات ضيقة، أو تنتج مخرجات غير منظمة لا تصلح للاستخدام في الأنظمة اللاحقة.

تقدم الدراسة الجديدة التي تم نشرها براءة اختراع تُعرف بـ"إعادة توليد الأنطولوجيا" (Generative Ontology Induction - GOI)، إطارًا غير محدد النطاق يتيح توليد مخططات تربط بين الكيانات والأبعاد والخصائص والعلاقات والقيود من مجموعة من الأمثلة. يتم تصدير هذه البيانت كمخطط مُنوع في صيغتي YAML/JSON، مما يسهل استخدامها في مختلف التطبيقات.

كما تم تقديم "معدل تغطية العقد" (Node Coverage Score)، وهو مقياس تقييم جديد يقيس نسبة العقد الهيكلية ضمن الأنطولوجيا التي تظهر في المخرجات المتولدة. من خلال تجربة محسوبة في أربعة أنطولوجيات متباينة، وجد الباحثون أن الإنتاج المستند إلى GOI يغطي 95-100% من الهيكل الأساسي في كل حالة. على سبيل المثال، بينما وثيقة نموذج الفواتير تخالف معدل نجاعة يصل إلى 97.8%، فإن هذا المعدل ينخفض ليصل إلى 52.2% في تسميات الوظائف و62.2% في سجلات زيارة العلاج للألم.

تظهر نتائج هذه الدراسة أن تغطية الهيكلية تظل فعالة بغض النظر عن كيفية معرفة النموذج بنوع الوثيقة، مما يفتح الباب أمام استخدامات جديدة ومرنة في عالم الذكاء الاصطناعي.