Large Language Models (LLM’s) om lerende ontologieen te ondersteunen
Bij ๐๐๐ -๐๐ผ๐ป๐ป๐ฒ๐ฐ๐๐ฒ๐ฑ onderzoeken we voortdurend hoe geavanceerde technologie kan helpen bij het structureren, verbinden en begrijpen van informatie. Een van onze nieuwste interne experimenten? ๐๐ฎ๐ฟ๐ด๐ฒ ๐๐ฎ๐ป๐ด๐๐ฎ๐ด๐ฒ ๐ ๐ผ๐ฑ๐ฒ๐น๐ (๐๐๐ ’๐) gebruiken ter ondersteuning van ๐ผ๐ป๐๐ผ๐น๐ผ๐ด๐ ๐น๐ฒ๐ฎ๐ฟ๐ป๐ถ๐ป๐ด.
๐ง De afgelopen maanden hebben we:
– Een veelbelovende academische benadering geselecteerd uit recent onderzoek,
– Pipelines opgezet om experimenten uit te voeren met ๐ฟ๐ฒ๐ฎ๐น ๐ถ๐ป๐ฑ๐๐๐๐ฟ๐ ๐๐๐ฎ๐ป๐ฑ๐ฎ๐ฟ๐ฑ๐ zoals ๐ก๐๐ก ๐ฎ๐ฒ๐ฒ๐ฌ en ๐๐ ๐๐ข๐ฅ,
– Verschillende modellen en promptmethoden getest (OpenAI, Mistral, DeepSeek, Spacy),
– Een prototype-app gemaakt om ontologieรซn te extraheren uit beschrijvingen in natuurlijke taal,
– En begonnen met de integratie met ons eigen platform, Wistor.
We hebben dit behandeld als een ๐ฒ๐ ๐ฝ๐ฒ๐ฟ๐ถ๐บ๐ฒ๐ป๐๐ฎ๐น ๐ถ๐ป๐ป๐ผ๐๐ฎ๐๐ถ๐ผ๐ป ๐๐ฟ๐ฎ๐ฐ๐ธ โ een brug tussen onderzoek en praktische BIM-gebruiksscenario’s. Het resultaat is een ๐๐ผ๐ฟ๐ธ๐ถ๐ป๐ด ๐ฝ๐ฟ๐ผ๐ผ๐ณ-๐ผ๐ณ-๐ฐ๐ผ๐ป๐ฐ๐ฒ๐ฝ๐ die laat zien hoe we semantische technologieรซn dichter bij dagelijkse workflows kunnen brengen.
Dit soort initiatieven weerspiegelen wie we zijn als bedrijf: altijd nieuwsgierig, altijd aan het experimenteren en altijd gericht op het omzetten van complexe ideeรซn in praktische oplossingen.
๐กWat is de volgende stap? We denken nu na over hoe we dit verder kunnen brengen: betere criteria, meer use cases en een bredere toegankelijkheid. We blijven hier de komende tijd aan werken.
