論文の概要: KG2Cypher: Data-Centric Pipeline for Building Enterprise Text-to-Cypher Systems

• arxiv url: http://arxiv.org/abs/2606.27742v1
• Date: Fri, 26 Jun 2026 05:41:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.388582
• Title: KG2Cypher: Data-Centric Pipeline for Building Enterprise Text-to-Cypher Systems
• Title（参考訳）: KG2Cypher: エンタープライズ向けテキスト・ツー・暗号システム構築のためのデータ中心パイプライン
• Abstract要約: KG2Cypherは、既存の知識グラフからエンタープライズ向けテキスト・ツー・暗号システムを構築するためのデータ中心パイプラインである。 KG2Cypherは95.2%の正確な一致、99.9%の実行率、0.964のF1を達成した。
• 参考スコア（独自算出の注目度）: 15.290834004335336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enterprise Knowledge Graphs (KGs) are increasingly used for internal search, analytics, and question answering, but building natural-language interfaces for private enterprise graphs remains costly. We present KG2Cypher, a data-centric pipeline for building enterprise text-to-Cypher systems from existing KGs. KG2Cypher first constructs an executable Cypher query from observed graph facts and then uses LLMs to generate its associated natural-language question. The resulting Text-Cypher pairs are validated with an LLM judge and human validation, and are converted into candidate-aware SFT data. The trained generator is served with class-conditioned schema prompting, entity retrieval, and LoRA-based inference. We evaluate KG2Cypher in Korean enterprise settings, where short search-style queries and schema paraphrases make language grounding difficult. LoRA SFT improves execution-result F1 from 0.806 to 0.950 on broadcast-program queries and from 0.70 to 0.92 on company queries. In an 11-class setting, KG2Cypher achieves 95.2% exact match, 99.9% execution rate, and 0.964 execution-result F1.
• Abstract（参考訳）: 企業知識グラフ(KG)は、内部検索、分析、質問応答にますます使われていますが、プライベートなエンタープライズグラフのための自然言語インターフェースの構築にはコストがかかります。 KG2Cypherは、既存のKGからエンタープライズ向けテキスト・ツー・Cypherシステムを構築するためのデータ中心パイプラインである。 KG2Cypherはまず観測されたグラフ事実から実行可能なCypherクエリを構築し、LLMを使用して関連する自然言語質問を生成する。 得られたText-CypherペアはLLM判定器と人間の検証器で検証され、候補対応のSFTデータに変換される。 トレーニングされたジェネレータには、クラス条件のスキーマプロンプト、エンティティ検索、LoRAベースの推論が提供されている。 韓国の企業環境でKG2Cypherを評価し、短い検索スタイルのクエリとスキーマのパラフレーズが言語基盤を困難にしている。 LoRA SFTは、放送番組クエリでは0.806から0.950に、企業クエリでは0.70から0.92に改善されている。 11クラスの設定で、KG2Cypherは95.2%の正確な一致、99.9%の実行率、0.964の実行再帰F1を達成する。

関連論文リスト

• KGCaRe: Explainable Complex Conditional Question Answering using Automatic Knowledge Graph Construction and Context Retrieval with LLMs [6.065980162749203]
  KGCaReは、LLM生成知識グラフ上のニューラルネットワークとシンボリック推論を組み合わせたハイブリッドアプローチである。 KGCaReを2つの複雑な条件付きQAデータセットで評価する。
  論文  参考訳（メタデータ） (2026-08-10T16:05:58Z)
• KG2Code: Bridging Knowledge Graphs and Large Language Models via Executable Code for Question Answering [64.63418702318029]
  KG2Codeは知識グラフをコードベースの表現に変換する新しいアプローチである。 KG2Code-QAは、コード生成タスクとしてKGQAを定式化するKGQAフレームワークとして導入された。
  論文  参考訳（メタデータ） (2026-06-26T11:27:55Z)
• PIPE-Cypher: Automatic Enterprise Benchmark Generation for Text-to-Cypher Systems [0.0]
  PIPE-Cypherは、ライブプロパティグラフとオプションのシードクエリをバランスの取れたNL-to-Cypherベンチマークに変換する、ベンチマーク生成パイプラインである。 PIPE-Cypher がFinBench/SNB の例を3,000 個エクスポートし、3 つの監査されたアブレーションスイートを完了し、人間のラベルによる判断行動を校正し、11 つのローカルダウンストリームモデルを評価した。
  論文  参考訳（メタデータ） (2026-06-07T06:53:09Z)
• Wikontic: Constructing Wikidata-Aligned, Ontology-Aware Knowledge Graphs with Large Language Models [10.130178524819536]
  知識グラフ(KGs)は、大規模言語モデル(LLMs)の構造化、検証可能な基盤を提供する 現在のLLMベースのシステムでは、KGをテキスト検索の補助構造として使用しており、本質的な品質は未探索のままである。 我々はオープンドメインテキストからKGを構成する多段階パイプラインであるWikonticを提案する。
  論文  参考訳（メタデータ） (2025-11-29T18:44:25Z)
• Can Knowledge-Graph-based Retrieval Augmented Generation Really Retrieve What You Need? [57.28763506780752]
  GraphFlowは、テキストリッチなKGから現実世界のクエリに必要な正確で多様な知識を効率的に取得するフレームワークである。 GPT-4oを含む強力なKG-RAGベースラインを10%上回り、ヒット率とリコール率で上回る。 また、KGを見えないものに強く一般化し、その有効性と堅牢性を示す。
  論文  参考訳（メタデータ） (2025-10-18T17:06:49Z)
• Enrich-on-Graph: Query-Graph Alignment for Complex Reasoning with LLM Enriching [61.824094419641575]
  大言語モデル(LLM)は知識グラフ質問応答(KGQA)のような知識集約的なシナリオにおける幻覚と事実的誤りに苦しむ これは、構造化知識グラフ(KG)と非構造化クエリのセマンティックギャップによるもので、その焦点や構造に固有の違いが原因である。 既存の手法は通常、バニラKGの資源集約的で非スケーリング可能な推論を用いるが、このギャップを見落としている。 我々は、LLMの事前知識を活用してKGを充実させる柔軟なフレームワークEnrich-on-Graph(EoG)を提案し、グラフとクエリ間のセマンティックギャップを埋める。
  論文  参考訳（メタデータ） (2025-09-25T06:48:52Z)
• KG-CF: Knowledge Graph Completion with Context Filtering under the Guidance of Large Language Models [55.39134076436266]
  KG-CFはランキングベースの知識グラフ補完タスクに適したフレームワークである。 KG-CFは、LLMの推論能力を活用して、無関係なコンテキストをフィルタリングし、現実世界のデータセットで優れた結果を得る。
  論文  参考訳（メタデータ） (2025-01-06T01:52:15Z)
• SyntheT2C: Generating Synthetic Data for Fine-Tuning Large Language Models on the Text2Cypher Task [4.556106845296017]
  自然言語のCypherクエリへの翻訳を自動化することにより,Large Language ModelsとKnowledge Graphデータベースを接続することが重要である。 本研究では,合成クエリとCypherのペアデータセットを構築する手法であるSyntheT2Cを提案する。
  論文  参考訳（メタデータ） (2024-06-15T18:43:49Z)
• Generate-on-Graph: Treat LLM as both Agent and KG in Incomplete Knowledge Graph Question Answering [87.67177556994525]
  我々は、知識グラフ(KG)を探索しながら、新しい実写トリプルを生成する、Generate-on-Graph(GoG)と呼ばれる学習自由な手法を提案する。 GoGはIKGQAでLLMをエージェントとKGの両方として扱うThinking-Searching-Generatingフレームワークを通じて推論を行う。
  論文  参考訳（メタデータ） (2024-04-23T04:47:22Z)
• CoSQA: 20,000+ Web Queries for Code Search and Question Answering [63.92224685262063]
  CoSQAデータセットには、自然言語クエリとコードのペア用の20,604ラベルが含まれている。 本稿では,クエリコードマッチングを強化するために,CoCLRと呼ばれる対照的な学習手法を提案する。 我々は,CodeXGLUEを同じCodeBERTモデルで評価し,CoSQAのトレーニングにより,コード質問応答の精度が5.1%向上したことを示す。
  論文  参考訳（メタデータ） (2021-05-27T15:37:21Z)

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。