論文の概要: Efficient and Scalable Neural Symbolic Search for Knowledge Graph Complex Query Answering

• arxiv url: http://arxiv.org/abs/2505.08155v2
• Date: Sat, 17 May 2025 04:54:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 12:45:56.131495
• Title: Efficient and Scalable Neural Symbolic Search for Knowledge Graph Complex Query Answering
• Title（参考訳）: 知識グラフ複合検索のための効率的かつスケーラブルなニューラルシンボリック検索
• Authors: Weizhi Fei, Zihao Wang, hang Yin, Shukai Zhao, Wei Zhang, Yangqiu Song,
• Abstract要約: 複雑なクエリに対する効率的でスケーラブルなシンボル検索フレームワークを提案する。 我々のフレームワークは、ほぼ同じ性能を維持しながら、シンボリックメソッドの計算負荷を90%削減する。
• 参考スコア（独自算出の注目度）: 50.1887329564127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complex Query Answering (CQA) aims to retrieve answer sets for complex logical formulas from incomplete knowledge graphs, which is a crucial yet challenging task in knowledge graph reasoning. While neuro-symbolic search utilized neural link predictions achieve superior accuracy, they encounter significant complexity bottlenecks: (i) Data complexity typically scales quadratically with the number of entities in the knowledge graph, and (ii) Query complexity becomes NP-hard for cyclic queries. Consequently, these approaches struggle to effectively scale to larger knowledge graphs and more complex queries. To address these challenges, we propose an efficient and scalable symbolic search framework. First, we propose two constraint strategies to compute neural logical indices to reduce the domain of variables, thereby decreasing the data complexity of symbolic search. Additionally, we introduce an approximate algorithm based on local search to tackle the NP query complexity of cyclic queries. Experiments on various CQA benchmarks demonstrate that our framework reduces the computational load of symbolic methods by 90\% while maintaining nearly the same performance, thus alleviating both efficiency and scalability issues.
• Abstract（参考訳）: CQA(complex Query Answering)は、知識グラフ推論において重要な課題である不完全知識グラフから、複雑な論理式に対する解集合を検索することを目的としている。 ニューラルネットワークを用いたニューロシンボリックサーチは、より優れた精度を達成するが、それらは重大な複雑性のボトルネックに遭遇する。 (i)データ複雑性は通常、知識グラフ内のエンティティの数と2次的にスケールします。 (ii) クェリの複雑性は巡回クェリに対してNPハードとなる。 その結果、これらのアプローチは、より大きな知識グラフやより複雑なクエリに効果的にスケールするのに苦労する。 これらの課題に対処するため,我々は効率的でスケーラブルな記号検索フレームワークを提案する。 まず、変数の領域を減らし、シンボル探索のデータの複雑さを減らし、ニューラルネットワークの論理指標を計算するための2つの制約戦略を提案する。 さらに,局所探索に基づく近似アルゴリズムを導入し,巡回クエリのNPクエリの複雑さに対処する。 各種CQAベンチマーク実験により,本フレームワークは,ほぼ同じ性能を維持しながら,シンボリックメソッドの計算負荷を90%削減し,効率とスケーラビリティの両問題を緩和することを示した。

関連論文リスト

• Discovering physical laws with parallel combinatorial tree search [57.05912962368898]
  記号回帰は、データから簡潔で解釈可能な数学的表現を発見する能力のおかげで、科学研究において重要な役割を果たす。 既存のアルゴリズムは10年以上にわたって精度と効率の重大なボトルネックに直面してきた。 制約データから汎用数学的表現を効率的に抽出する並列木探索(PCTS)モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-05T10:41:15Z)
• Data Complexity in Expressive Description Logics With Path Expressions [7.832189413179361]
  本稿では,表現的記述論理ZOIQ(ALCHb Self reg OIQ)の準フォレスト上でのデータ複雑性について検討する。 これにより、ZOIQの決定可能なフラグメントに対するデータ複雑性の展望が完成し、OWL2(SRファミリー)の決定可能なフラグメントに関する既知の結果が改善される。
  論文  参考訳（メタデータ） (2024-06-11T09:37:51Z)
• Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
  カリキュラムベースの論理認識型チューニングフレームワークであるLACTを提案する。 具体的には、任意の一階論理クエリをバイナリツリー分解によって拡張する。 広く使われているデータセットに対する実験では、LATは高度な手法よりも大幅に改善(平均+5.5% MRRスコア)し、新しい最先端技術を実現している。
  論文  参考訳（メタデータ） (2024-05-02T18:12:08Z)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)
• Logical Message Passing Networks with One-hop Inference on Atomic Formulas [57.47174363091452]
  本稿では,ニューラルネットワーク演算子から知識グラフの埋め込みを分解する,複雑な問合せ応答のためのフレームワークを提案する。 クエリグラフの上に、局所的な原子式上のワンホップ推論とグローバル論理的推論を結びつける論理メッセージパッシングニューラルネットワーク(LMPNN)を提案する。 我々のアプローチは、最先端のニューラルCQAモデルをもたらす。
  論文  参考訳（メタデータ） (2023-01-21T02:34:06Z)
• A tetrachotomy of ontology-mediated queries with a covering axiom [1.749935196721634]
  我々の懸念は、標準的なデータベースクエリへの記述とそれらの最適な書き換えを介し、クエリに応答する際のデータ複雑さを効率的に決定することである。 我々は、疎結合シロップ(d-シロップ)と呼ばれるブール共役型クエリに焦点を当てる。 一部のd-シロップは指数的な大きさの分解能しか持たないが、そのうちのいくつかは二重指数サイズの正存在量書き換えと単帰的データログ書き換えのみである。
  論文  参考訳（メタデータ） (2020-06-07T14:47:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。