論文の概要: DTKG: Dual-Track Knowledge Graph-Verified Reasoning Framework for Multi-Hop QA

• arxiv url: http://arxiv.org/abs/2510.16302v1
• Date: Sat, 18 Oct 2025 02:19:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.935581
• Title: DTKG: Dual-Track Knowledge Graph-Verified Reasoning Framework for Multi-Hop QA
• Title（参考訳）: DTKG:マルチホップQAのためのデュアルトラック知識グラフ検証推論フレームワーク
• Authors: Changhao Wang, Yanfang Liu, Xinxin Fan, Anzhi Zhou, Lao Tian, Yunfeng Lu,
• Abstract要約: 質問応答のためのマルチホップ推論は、検索強化世代において重要な役割を果たす。 本稿では,新しい二トラックKG検証および推論フレームワークDTKGを提案する。
• 参考スコア（独自算出の注目度）: 8.598540768292809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-hop reasoning for question answering (QA) plays a critical role in retrieval-augmented generation (RAG) for modern large language models (LLMs). The accurate answer can be obtained through retrieving relational structure of entities from knowledge graph (KG). Regarding the inherent relation-dependency and reasoning pattern, multi-hop reasoning can be in general classified into two categories: i) parallel fact-verification multi-hop reasoning question, i.e., requiring simultaneous verifications of multiple independent sub-questions; and ii) chained multi-hop reasoning questions, i.e., demanding sequential multi-step inference with intermediate conclusions serving as essential premises for subsequent reasoning. Currently, the multi-hop reasoning approaches singly employ one of two techniques: LLM response-based fact verification and KG path-based chain construction. Nevertheless, the former excels at parallel fact-verification but underperforms on chained reasoning tasks, while the latter demonstrates proficiency in chained multi-hop reasoning but suffers from redundant path retrieval when handling parallel fact-verification reasoning. These limitations deteriorate the efficiency and accuracy for multi-hop QA tasks. To address this challenge, we propose a novel dual-track KG verification and reasoning framework DTKG, which is inspired by the Dual Process Theory in cognitive science. Specifically, DTKG comprises two main stages: the Classification Stage and the Branch Processing Stage.
• Abstract（参考訳）: 質問応答のためのマルチホップ推論(QA)は、現代の大規模言語モデル(LLM)の検索強化世代(RAG)において重要な役割を果たす。 正確な答えは、知識グラフ(KG)からエンティティの関連構造を取得することで得られる。 関係依存性と推論パターンに関して、マルチホップ推論は一般的に2つのカテゴリに分類される。 一 同時事実検証マルチホップ推論問題、即ち複数の独立サブクエストの同時検証が必要であること。 二 連鎖したマルチホップ推論の問題、すなわち、その後の推論に不可欠な前提となる中間結論を伴う連続したマルチステップ推論を要求すること。 現在、マルチホップ推論手法はLLM応答に基づく事実検証とKG経路に基づく連鎖構築という2つの手法の1つを単独で採用している。 それにもかかわらず、前者は並列な事実検証に優れ、連鎖した推論タスクでは不十分であり、後者は連鎖したマルチホップ推論の習熟度を示すが、並列な事実検証推論を扱う際に冗長な経路検索に苦しむ。 これらの制限により、マルチホップQAタスクの効率と精度が低下した。 この課題に対処するために,認知科学におけるデュアルプロセス理論に触発された新しい二トラックKG検証・推論フレームワークDTKGを提案する。 具体的には、DTKGは、分類段階と分岐処理段階の2つの主要なステージから構成される。

関連論文リスト

• iQUEST: An Iterative Question-Guided Framework for Knowledge Base Question Answering [9.329800077564673]
  iQUESTは、複雑なクエリを単純なサブクエリに繰り返し分解する質問誘導KBQAフレームワークである。 グラフニューラルネットワーク(GNN)を統合して、各推論ステップに2ホップ隣の情報を組み込む。
  論文  参考訳（メタデータ） (2025-06-02T15:30:02Z)
• Reasoning by Superposition: A Theoretical Perspective on Chain of Continuous Thought [56.71873693264532]
  連続CoTのD$ステップを持つ2層トランスが有向グラフ到達可能性問題を解くことができることを証明した。 我々の構成では、各連続思考ベクトルは複数の探索フロンティアを同時に符号化する重ね合わせ状態である。
  論文  参考訳（メタデータ） (2025-05-18T18:36:53Z)
• DualRAG: A Dual-Process Approach to Integrate Reasoning and Retrieval for Multi-Hop Question Answering [57.875992666888855]
  MHQA(Multi-Hop Question Answering)タスクは、多様な知識領域にまたがる多段階推論のオーケストレーションにおいて課題となる。 推論と検索をシームレスに統合する相乗的デュアルプロセスフレームワークであるDualRAGを提案する。
  論文  参考訳（メタデータ） (2025-04-25T10:43:53Z)
• Locate Then Ask: Interpretable Stepwise Reasoning for Multi-hop Question Answering [71.49131159045811]
  マルチホップ推論では、複雑な質問に答えるために複数の文書を集約する必要がある。 既存の方法は通常、マルチホップの質問を単純なシングルホップの質問に分解する。 そこで本研究では,単一ホップ支援文識別と単一ホップ質問生成の両方を組み込む,解釈可能な段階的推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:24:25Z)
• Modeling Multi-hop Question Answering as Single Sequence Prediction [88.72621430714985]
  本稿では,単純な生成手法(PathFid)を提案する。 PathFidは、マルチホップ質問に対する回答を解決するための推論プロセスを明示的にモデル化する。 実験の結果,PathFidは2つのマルチホップQAデータセットに対して高い性能向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-05-18T21:57:59Z)
• Dynamic Semantic Graph Construction and Reasoning for Explainable Multi-hop Science Question Answering [50.546622625151926]
  マルチホップQAのための説明可能性を得ながら,より有効な事実を活用できる新しいフレームワークを提案する。 a) tt AMR-SG,(a) tt AMR-SG,(a) tt AMR-SG,(a) tt AMR-SG,(c) グラフ畳み込みネットワーク(GCN)を利用した事実レベルの関係モデリング,(c) 推論過程の導出を行う。
  論文  参考訳（メタデータ） (2021-05-25T09:14:55Z)

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。