論文の概要: DIAL-KG: Schema-Free Incremental Knowledge Graph Construction via Dynamic Schema Induction and Evolution-Intent Assessment

• arxiv url: http://arxiv.org/abs/2603.20059v1
• Date: Fri, 20 Mar 2026 15:39:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.211602
• Title: DIAL-KG: Schema-Free Incremental Knowledge Graph Construction via Dynamic Schema Induction and Evolution-Intent Assessment
• Title（参考訳）: DIAL-KG:動的スキーマ誘導と進化インテントアセスメントによるスキーマフリーインクリメンタル知識グラフ構築
• Authors: Weidong Bao, Yilin Wang, Ruyu Gao, Fangling Leng, Yubin Bao, Ge Yu,
• Abstract要約: DIAL KGは、インクリメンタルな知識グラフ構築のためのクローズドループフレームワークである。 これは、構築されたグラフと誘導されたスキーマの両方の品質において、最先端(SOTA)のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 13.356289183534223
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge Graphs (KGs) are foundational to applications such as search, question answering, and recommendation. Conventional knowledge graph construction methods are predominantly static, rely ing on a single-step construction from a fixed corpus with a prede f ined schema. However, such methods are suboptimal for real-world sce narios where data arrives dynamically, as incorporating new informa tion requires complete and computationally expensive graph reconstruc tions. Furthermore, predefined schemas hinder the flexibility of knowl edge graph construction. To address these limitations, we introduce DIAL KG, a closed-loop framework for incremental KG construction orches trated by a Meta-Knowledge Base (MKB). The framework oper ates in a three-stage cycle: (i) Dual-Track Extraction, which ensures knowledge completeness by defaulting to triple generation and switching to event extraction for complex knowledge; (ii) Governance Adjudica tion, which ensures the fidelity and currency of extracted facts to prevent hallucinations and knowledge staleness; and (iii) Schema Evolution, in which new schemas are induced from validated knowledge to guide subsequent construction cycles, and knowledge from the current round is incrementally applied to the existing KG. Extensive experiments demon strate that our framework achieves state-of-the-art (SOTA) performance in the quality of both the constructed graph and the induced schemas.
• Abstract（参考訳）: 知識グラフ(KG)は、検索、質問応答、レコメンデーションなどのアプリケーションに基礎を置いている。 従来の知識グラフ構築法は主に静的であり、固定されたコーパスからプレデフイン付きスキーマによる単一ステップの構成に依存している。 しかし、そのような手法は、データが動的に到着する実世界のスセナリオスに最適であり、新しいインフォメーションを組み込むには、完全で計算に高価なグラフ再構成が必要である。 さらに、事前定義されたスキーマは、ノウルエッジグラフの構成の柔軟性を妨げる。 これらの制約に対処するため,メタ知識ベース (MKB) でタグ付けされたインクリメンタルKG構築のクローズドループフレームワークであるDIAL KGを紹介した。 フレームワークオペレータは3段階のサイクルで停止します。 一 複合知識のトリプル生成及びイベント抽出に切り替えることにより、知識の完全性を確保するデュアルトラック抽出 二 幻覚及び知識の陳腐化を防止するために抽出された事実の忠実さ及び通貨を確保する統治命令 三 新たなスキーマを検証済みの知識から誘導し、その後の建設サイクルを案内し、現在のラウンドからの知識を既存のKGに漸進的に適用するスキーマ進化。 大規模な実験は、構築されたグラフと誘導されたスキーマの両方の品質において、我々のフレームワークが最先端(SOTA)のパフォーマンスを達成することを実証する。

関連論文リスト

• Path Pooling: Training-Free Structure Enhancement for Efficient Knowledge Graph Retrieval-Augmented Generation [19.239478003379478]
  大規模言語モデルは、現実世界の応用において幻覚や知識不足に悩まされる。 本研究では,新しい経路中心プーリング操作を通じて構造情報を導入する学習自由戦略であるパスプーリングを提案する。 プラグイン・アンド・プレイ方式で既存のKG-RAGメソッドにシームレスに統合し、よりリッチな構造情報の利用を可能にする。
  論文  参考訳（メタデータ） (2025-03-07T07:48:30Z)
• Learning to Model Graph Structural Information on MLPs via Graph Structure Self-Contrasting [50.181824673039436]
  本稿では,グラフ構造情報をメッセージパッシングなしで学習するグラフ構造自己コントラスト(GSSC)フレームワークを提案する。 提案するフレームワークは,構造情報を事前知識として暗黙的にのみ組み込む,MLP(Multi-Layer Perceptrons)に基づいている。 これはまず、近傍の潜在的非形式的あるいはノイズの多いエッジを取り除くために構造的スペーシングを適用し、その後、スペーシングされた近傍で構造的自己コントラストを行い、ロバストなノード表現を学ぶ。
  論文  参考訳（メタデータ） (2024-09-09T12:56:02Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Schema-adaptable Knowledge Graph Construction [47.772335354080795]
  従来の知識グラフ構築(KGC)アプローチは、通常、事前定義されたスキーマの閉じたセットで静的情報抽出パラダイムに従う。 我々は,スキーマ適応型KGCと呼ばれる新しいタスクを提案する。このタスクは,動的に変化するスキーマグラフに基づいて,再学習せずにエンティティ,リレーション,イベントを継続的に抽出することを目的としている。
  論文  参考訳（メタデータ） (2023-05-15T15:06:20Z)
• Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
  本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
  論文  参考訳（メタデータ） (2022-10-19T16:40:28Z)

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。