論文の概要: AGENTICT$^2$S:Robust Text-to-SPARQL via Agentic Collaborative Reasoning over Heterogeneous Knowledge Graphs for the Circular Economy

• arxiv url: http://arxiv.org/abs/2508.01815v1
• Date: Sun, 03 Aug 2025 15:58:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:22.073837
• Title: AGENTICT$^2$S:Robust Text-to-SPARQL via Agentic Collaborative Reasoning over Heterogeneous Knowledge Graphs for the Circular Economy
• Title（参考訳）: AgentICT$2$S:Robust Text-to-SPARQL by Agentic Collaborative Reasoning over Heterogeneous Knowledge Graphs for the Circular Economy
• Authors: Yang Zhao, Chengxiao Dai, Wei Zhuo, Tan Chuan Fu, Yue Xiu, Dusit Niyato, Jonathan Z. Low, Eugene Ho Hong Zhuang, Daren Zong Loong Tan,
• Abstract要約: AgenticT$2$Sは、知識グラフを専門エージェントが管理するサブタスクに分解するフレームワークである。 2段階検証器は、構造的に無効で意味的に不特定なクエリを検出する。 実世界の循環経済の実験では、AgenticT$2$Sが実行精度を17.3%向上することを示した。
• 参考スコア（独自算出の注目度）: 42.73610751710192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Question answering over heterogeneous knowledge graphs (KGQA) involves reasoning across diverse schemas, incomplete alignments, and distributed data sources. Existing text-to-SPARQL approaches rely on large-scale domain-specific fine-tuning or operate within single-graph settings, limiting their generalizability in low-resource domains and their ability to handle queries spanning multiple graphs. These challenges are particularly relevant in domains such as the circular economy, where information about classifications, processes, and emissions is distributed across independently curated knowledge graphs (KGs). We present AgenticT$^2$S, a modular framework that decomposes KGQA into subtasks managed by specialized agents responsible for retrieval, query generation, and verification. A scheduler assigns subgoals to different graphs using weak-to-strong alignment strategies. A two-stage verifier detects structurally invalid and semantically underspecified queries through symbolic validation and counterfactual consistency checks. Experiments on real-world circular economy KGs demonstrate that AgenticT$^2$S improves execution accuracy by 17.3% and triple level F$_1$ by 25.4% over the best baseline, while reducing the average prompt length by 46.4%. These results demonstrate the benefits of agent-based schema-aware reasoning for scalable KGQA and support decision-making in sustainability domains through robust cross-graph reasoning.
• Abstract（参考訳）: 異種知識グラフ(KGQA)に対する質問応答には、多様なスキーマ、不完全なアライメント、分散データソースの推論が含まれる。 既存のテキストからSPARQLへのアプローチは、大規模なドメイン固有の微調整やシングルグラフ設定での操作に依存しており、低リソースドメインでの汎用性と複数のグラフにまたがるクエリ処理能力を制限する。 これらの課題は、分類、プロセス、排出に関する情報が独立にキュレートされた知識グラフ(KG)に分散される循環経済(英語版)のような分野において特に関係がある。 我々は,KGQAを検索,クエリ生成,検証を担当する専門エージェントが管理するサブタスクに分解するモジュールフレームワークであるAgenticT$2$Sを提案する。 スケジューラは、弱い列のアライメント戦略を用いて、サブゴールを異なるグラフに割り当てる。 2段階検証器は、シンボル検証と対実整合性チェックにより、構造的に無効で意味的に不特定なクエリを検出する。 実世界の循環経済の実験では、AgenticT$^2$Sは実行精度を17.3%、F$_1$は25.4%向上し、平均プロンプト長は46.4%低下した。 これらの結果は、スケーラブルなKGQAに対するエージェントベースのスキーマ対応推論の利点を示し、堅牢なクロスグラフ推論によるサステナビリティ領域の決定を支援する。

関連論文リスト

• Clue-RAG: Towards Accurate and Cost-Efficient Graph-based RAG via Multi-Partite Graph and Query-Driven Iterative Retrieval [7.542076325904203]
  Retrieval-Augmented Generation (RAG) は、しばしばグラフ構造化データから外部情報を統合することで制限に対処する。 本稿では,マルチパーティグラフインデックスとクエリ駆動反復検索戦略を導入した新しいアプローチであるClue-RAGを提案する。 3つのQAベンチマークの実験により、Clue-RAGは最先端のベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2025-07-11T09:36:45Z)
• Learning Efficient and Generalizable Graph Retriever for Knowledge-Graph Question Answering [75.12322966980003]
  大規模言語モデル(LLM)は、様々な領域にわたって強い帰納的推論能力を示している。 既存のRAGパイプラインのほとんどは非構造化テキストに依存しており、解釈可能性と構造化推論を制限する。 近年,知識グラフ解答のための知識グラフとLLMの統合について検討している。 KGQAにおける効率的なグラフ検索のための新しいフレームワークであるRAPLを提案する。
  論文  参考訳（メタデータ） (2025-06-11T12:03:52Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• Diagnosing and Addressing Pitfalls in KG-RAG Datasets: Toward More Reliable Benchmarking [56.27361644734853]
  知識グラフ質問 回答システムは、複雑なマルチホップ推論を評価するために高品質なベンチマークに依存している。 広く使われているにもかかわらず、WebQSPやCWQのような一般的なデータセットは、重要な品質問題に悩まされている。 我々はこれらの落とし穴を体系的に解決するLLM-in-the-loopフレームワークであるKGQAGenを紹介する。 本研究は,KGQA評価を推し進めるスケーラブルなフレームワークとして,より厳密なベンチマーク構築とKGQAGenの位置づけを提唱する。
  論文  参考訳（メタデータ） (2025-05-29T14:44:52Z)
• Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [18.96570718233786]
  SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。 革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。 属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。 階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
  論文  参考訳（メタデータ） (2025-05-20T06:44:34Z)
• DO-RAG: A Domain-Specific QA Framework Using Knowledge Graph-Enhanced Retrieval-Augmented Generation [4.113142669523488]
  ドメイン固有のQAシステムは、生成頻度を必要とするが、構造化専門家の知識に基づく高い事実精度を必要とする。 本稿では,マルチレベル知識グラフ構築と意味ベクトル検索を統合した,スケーラブルでカスタマイズ可能なハイブリッドQAフレームワークであるDO-RAGを提案する。
  論文  参考訳（メタデータ） (2025-05-17T06:40:17Z)
• Transformers for Complex Query Answering over Knowledge Hypergraphs [48.55646194244594]
  三重KGは、アーニティ2の実体と関係からなる古典的なKGとして、現実世界の事実の限定的な表現を持つ。 本稿では,2段階の変圧器モデルである論理知識ハイパーグラフ変換器(LKHGT)を提案する。 CQAデータセットの実験結果から,LKHGTはKHG上の最先端のCQA手法であり,アウト・オブ・ディストリビューションクエリタイプに一般化可能であることが示された。
  論文  参考訳（メタデータ） (2025-04-23T09:07:21Z)
• A Contextualized BERT model for Knowledge Graph Completion [0.0]
  知識グラフ補完(KGC)のためのコンテキスト化BERTモデルを提案する。 本モデルでは,エンティティ記述や負の三重項サンプリングの必要性を排除し,計算要求を低減し,性能を向上する。 FB15k-237とWN18RRでは,Hit@1が5.3%向上し,4.88%向上した。
  論文  参考訳（メタデータ） (2024-12-15T02:03:16Z)
• Higher Order Graph Attention Probabilistic Walk Networks [3.481985817302898]
  メッセージパッシングニューラルネットワークは、グラフ構造に埋め込まれた潜時関係を利用する。 既存の方法は、1ドルのホップ地区内のローカル情報に依存している。 本稿では,特徴ベクトルの多様性に基づいた可変長経路に重みを割り当てる高次アテンション(HoGA)モジュールを提案する。 HoGAは、高次の関係を、いかなるシングルホップアテンション機構にも適用可能な、堅牢な自己意識の形式として表現している。
  論文  参考訳（メタデータ） (2024-11-18T20:46:02Z)
• CHASE: A Causal Hypergraph based Framework for Root Cause Analysis in Multimodal Microservice Systems [29.424326542377386]
  マルチモーダルデータを持つマイクロサービスシステムにおける根本原因解析,すなわちCHASEのための因数不均一なgraAph baSed framEworkを提案する。 CHASEは、因果関係の流れを表すハイパーエッジを持つ構築されたハイパーグラフから学習し、根本原因の局在を実行する。
  論文  参考訳（メタデータ） (2024-06-28T07:46:51Z)
• Knowledge Base Question Answering by Case-based Reasoning over Subgraphs [81.22050011503933]
  本モデルでは,既存のKG補完アルゴリズムよりも複雑な推論パターンを必要とする問合せに対して,より効果的に答えることを示す。 提案モデルは、KBQAベンチマークの最先端モデルよりも優れているか、競合的に動作する。
  論文  参考訳（メタデータ） (2022-02-22T01:34:35Z)

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。