ATOM: LLM 기반 적응형 최적화 동적 시점 지식 그래프 구축

ATOM: AdapTive and OptiMized dynamic temporal knowledge graph construction using LLMs

October 26, 2025

저자: Yassir Lairgi, Ludovic Moncla, Khalid Benabdeslem, Rémy Cazabet, Pierre Cléau

cs.AI

초록

급변하는 데이터 환경에서 비정형 텍스트로부터 지식을 추출하는 것은 실시간 분석, 시간적 추론, 동적 메모리 프레임워크에 필수적입니다. 그러나 기존의 정적 지식 그래프 구축 방식은 실제 데이터의 역동적이고 시간에 민감한 특성을 종종 간과하여 지속적인 변화에 대한 적응력을 제한합니다. 더욱이 도메인 특화 미세 조정이나 사전 구축 온톨로지 의존을 회피하는 최근의 제로-샷 또는 퓨-샷 접근법들은 여러 실행에 걸친 불안정성과 핵심 사실의 불완전한 Coverage로 어려움을 겪습니다. 이러한 과제를 해결하기 위해 우리는 비정형 텍스트로부터 시간적 지식 그래프(TKG)를 구축하고 지속적으로 업데이트하는 퓨-샷 및 확장 가능한 접근법인 ATOM(AdapTive and OptiMized)을 소개합니다. ATOM은 입력 문서를 최소 단위의 독립적인 "원자적" 사실로 분할하여 추출의 완전성과 안정성을 향상시킵니다. 이후 이러한 사실들로부터 원자적 TKG를 구성함과 동시어 정보가 관측된 시점과 유효한 시점을 구분하는 이중 시간 모델링을 적용합니다. 결과적으로 생성된 원자적 TKG들은 병합됩니다. 실험 평가 결과, ATOM은 기준 방법 대비 약 18% 높은 완전성, 약 17% 더 나은 안정성, 90% 이상의 지연 시간 감소를 달성하여 동적 TKG 구축에 대한 강력한 확장성 가능성을 입증했습니다.

English

In today's rapidly expanding data landscape, knowledge extraction from unstructured text is vital for real-time analytics, temporal inference, and dynamic memory frameworks. However, traditional static knowledge graph (KG) construction often overlooks the dynamic and time-sensitive nature of real-world data, limiting adaptability to continuous changes. Moreover, recent zero- or few-shot approaches that avoid domain-specific fine-tuning or reliance on prebuilt ontologies often suffer from instability across multiple runs, as well as incomplete coverage of key facts. To address these challenges, we introduce ATOM (AdapTive and OptiMized), a few-shot and scalable approach that builds and continuously updates Temporal Knowledge Graphs (TKGs) from unstructured texts. ATOM splits input documents into minimal, self-contained "atomic" facts, improving extraction exhaustivity and stability. Then, it constructs atomic TKGs from these facts while employing a dual-time modeling that distinguishes when information is observed from when it is valid. The resulting atomic TKGs are subsequently merged in parallel. Empirical evaluations demonstrate that ATOM achieves ~18% higher exhaustivity, ~17% better stability, and over 90% latency reduction compared to baseline methods, demonstrating a strong scalability potential for dynamic TKG construction.