Fugu-MT 論文翻訳(概要): GRISP: Guided Recurrent IRI Selection over SPARQL Skeletons

論文の概要: GRISP: Guided Recurrent IRI Selection over SPARQL Skeletons

arxiv url: http://arxiv.org/abs/2604.21133v1
Date: Wed, 22 Apr 2026 22:47:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-24 14:40:06.20481
Title: GRISP: Guided Recurrent IRI Selection over SPARQL Skeletons
Title（参考訳）: GRISP: SPARQLスケルトン上でのIRI選択のガイド
Authors: Sebastian Walter, Hannah Bast,
Abstract要約: 小言語モデル(SLM)の微調整に基づく知識グラフ上の新しいSPARQLに基づく問合せ手法を提案する。本手法をWikidataとFreebaseのベンチマークで評価し,他の最先端手法よりも優れた結果が得られることを示す。
参考スコア（独自算出の注目度）: 2.9907607782169543
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present GRISP (Guided Recurrent IRI Selection over SPARQL Skeletons), a novel SPARQL-based question-answering method over knowledge graphs based on fine-tuning a small language model (SLM). Given a natural-language question, the method first uses the SLM to generate a natural-language SPARQL query skeleton, and then to re-rank and select knowledge graph items to iteratively replace the natural-language placeholders using knowledge graph constraints. The SLM is jointly trained on skeleton generation and list-wise re-ranking data generated from standard question-query pairs. We evaluate the method on common Wikidata and Freebase benchmarks, and achieve better results than other state-of-the-art methods in a comparable setting.
Abstract（参考訳）: SPARQLスケルトンを用いたGRISP(Guided Recurrent IRI Selection over SPARQL Skeletons)を提案する。自然言語質問が与えられたら、まずSLMを使用して自然言語のSPARQLクエリスケルトンを生成し、その後、知識グラフアイテムを再ランクして選択し、知識グラフ制約を使って自然言語プレースホルダーを反復的に置き換える。 SLMは、標準的な問合せクエリーペアから生成される骨格生成とリストワイドのデータに基づいて共同で訓練されている。本手法をWikidataとFreebaseのベンチマークで評価し,他の最先端手法よりも優れた結果が得られることを示す。

関連論文リスト

SPARQL-LLM: Real-Time SPARQL Query Generation from Natural Language Questions [1.3856736555085554]
SPARQL-LLMは、軽量メタデータを利用して、自然言語テキストからSPARQLクエリを生成する、オープンソースでトリプルストアに依存しないアプローチである。 SPARQL-LLMは、チャレンジに参加している他のシステムよりも最大36倍高速で、1問あたり最大0.01ドルのコストがかかることを示す。
論文参考訳（メタデータ） (2025-12-16T10:39:46Z)
FIRESPARQL: A LLM-based Framework for SPARQL Query Generation over Scholarly Knowledge Graphs [0.5120567378386615]
我々は、RAGとSPARQLクエリ修正層を介してオプションコンテキストで、微調整LDMをコアコンポーネントとしてサポートするモジュラーフレームワークを提案する。 BLEUとROUGEのメトリクスを用いてクエリ精度を測定し、緩和された正確なマッチング(RelaxedEM)を用いてクエリ結果の精度を測定する。実験結果から,クエリの精度は0.90 ROUGE-L,テストセットの精度は0.85 RelaxedEMに達した。
論文参考訳（メタデータ） (2025-08-14T09:08:50Z)
Text-to-SPARQL Goes Beyond English: Multilingual Question Answering Over Knowledge Graphs through Human-Inspired Reasoning [51.203811759364925]
mKGQAgentは、自然言語の質問をSPARQLクエリに変換し、モジュール化された解釈可能なサブタスクに変換するタスクを分解する。 2025年のText2SPARQLチャレンジにおいて、DBpediaとCorporateベースのKGQAベンチマークに基づいて評価され、私たちのアプローチは、他の参加者の中で第一に行われました。
論文参考訳（メタデータ） (2025-07-22T19:23:03Z)
SPARQL Query Generation with LLMs: Measuring the Impact of Training Data Memorization and Knowledge Injection [81.78173888579941]
大規模言語モデル(LLM)は、質問応答機能の品質を高めるのに適した方法と考えられている。 LLMはWebデータに基づいてトレーニングされており、ベンチマークや知識グラフがトレーニングデータに含まれているかどうかを研究者は制御できない。本稿では,自然言語質問からSPARQLクエリを生成し,LLMの品質を評価する手法を提案する。
論文参考訳（メタデータ） (2025-07-18T12:28:08Z)
GRASP: Generic Reasoning And SPARQL Generation across Knowledge Graphs [4.005483185111992]
本稿では,自然言語質問やキーワードクエリからRDF知識グラフ上でSPARQLクエリを生成する手法を提案する。我々のアプローチは微調整を必要としない。代わりに、言語モデルを用いてSPARQLクエリを戦略的に実行し、関連するIRIとリテラルを検索することで知識グラフを探索する。
論文参考訳（メタデータ） (2025-07-10T18:50:05Z)
Less is More: Making Smaller Language Models Competent Subgraph Retrievers for Multi-hop KGQA [51.3033125256716]
本研究では,小言語モデルで処理される条件生成タスクとして,サブグラフ検索タスクをモデル化する。 2億2千万のパラメータからなる基本生成部分グラフ検索モデルでは,最先端モデルと比較して競合検索性能が向上した。 LLMリーダを接続した最大の3Bモデルは、WebQSPとCWQベンチマークの両方で、SOTAのエンドツーエンドパフォーマンスを新たに設定します。
論文参考訳（メタデータ） (2024-10-08T15:22:36Z)
An In-Context Schema Understanding Method for Knowledge Base Question Answering [70.87993081445127]
大きな言語モデル(LLM)は、言語理解において強力な能力を示しており、この課題を解決するために使用することができる。既存のメソッドは、当初、スキーマ固有の詳細を使わずにLLMを使用してロジックフォームのドラフトを生成することで、この課題を回避している。そこで本研究では,LLMが文脈内学習を利用してスキーマを直接理解できる簡易なインコンテキスト理解(ICSU)手法を提案する。
論文参考訳（メタデータ） (2023-10-22T04:19:17Z)
A Comprehensive Evaluation of Neural SPARQL Query Generation from Natural Language Questions [2.5782420501870296]
近年、SPARQLクエリ生成のためのニューラルネットワーク翻訳(NMT)の分野が著しく成長している。本稿では,最近のNMTに基づくSPARQL生成研究を再現し,拡張する様々な実験について述べる。
論文参考訳（メタデータ） (2023-04-16T13:12:26Z)
Exploring Sequence-to-Sequence Models for SPARQL Pattern Composition [0.5639451539396457]
構造化され、構造化されていないデータとして、インターネットに爆発的な情報が追加され、DBpediaやWikidataのような知識ベースが供給される。質問回答システムの目的は、正規のクエリを書くことなく、自然言語でそのようなデータにアクセスできるようにすることである。我々は、長い発話を複雑なSPARQLクエリに変換するための、シーケンス・ツー・シーケンス・モデルが実現可能で有望な選択肢であることを示す。
論文参考訳（メタデータ） (2020-10-21T11:12:01Z)
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks [133.93803565077337]
検索強化生成モデルは、事前訓練されたパラメトリックメモリと非パラメトリックメモリを組み合わせて言語生成を行う。我々は、RAGモデルが、最先端パラメトリックのみのセク2セックベースラインよりも、より具体的で、多様で、現実的な言語を生成することを示す。
論文参考訳（メタデータ） (2020-05-22T21:34:34Z)

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。