論文の概要: Ontology-Guided Evidence Path Inference for Multi-hop Knowledge Graph Question Answering

• arxiv url: http://arxiv.org/abs/2606.28076v1
• Date: Fri, 26 Jun 2026 13:40:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.493284
• Title: Ontology-Guided Evidence Path Inference for Multi-hop Knowledge Graph Question Answering
• Title（参考訳）: マルチホップ知識グラフ質問応答のためのオントロジーガイドによるエビデンスパス推論
• Abstract要約: 知識グラフ質問応答(KGQA)は、構造化事実を推論することで自然言語による質問に答えることを目的としている。 既存のマルチホップKGQA手法は主にトピック中心の拡張に依存しており、2つの重要な課題に直面している。 マルチホップKGQAのためのオントロジー誘導エビデンスパス推論フレームワークであるOPIを提案する。
• 参考スコア（独自算出の注目度）: 5.690260503175008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graph question answering (KGQA) aims to answer natural-language questions by reasoning over structured facts. Existing multi-hop KGQA methods mainly rely on topic-centered expansion, which faces two key challenges: the search space rapidly grows with noisy mixed-type paths, and retrieved paths may fail to satisfy the semantic constraints of complex questions. To address these challenges, we propose OPI, an ontology-guided evidence path inference framework for multi-hop KGQA. OPI introduces a relation-centric ontology graph to capture the head-tail type constraints of relations, providing a compact interface for answer-side constraints. Based on this ontology graph, OPI first introduces a bidirectional retrieval mechanism by mapping the predicted answer type to compatible final-hop relations and combining topic-side prefix expansion with answer-side final-hop matching, thereby suppressing noisy mixed-type expansion. OPI further adopts an iterative refinement strategy to reassess retrieved paths and candidate answers under the question context, filtering type-compatible but question-irrelevant evidence for more reliable answer prediction. Experiments on WebQSP, CWQ, and MetaQA show that OPI substantially reduces the search space, improves Hit@1/F1 by 4.6/5.0 points on WebQSP and 8.9/3.3 points on CWQ over the strongest prior results, and achieves near-saturated Hit@1 on MetaQA with the retrieval module alone.
• Abstract（参考訳）: 知識グラフ質問応答(KGQA)は、構造化事実を推論することで自然言語による質問に答えることを目的としている。 既存のマルチホップKGQA法は主にトピック中心の拡張に依存しており、検索空間はノイズの多い混合型パスで急速に成長し、検索されたパスは複雑な質問のセマンティックな制約を満たすことができない。 これらの課題に対処するため,マルチホップKGQAのためのオントロジー誘導エビデンスパス推論フレームワークであるOPIを提案する。 OPIは、リレーショナル中心のオントロジーグラフを導入し、リレーショナルのヘッドテール型制約をキャプチャし、応答側制約のためのコンパクトなインターフェースを提供する。 このオントロジーグラフに基づいて、OPIはまず、予測された応答型を互換性のあるファイナルホップ関係にマッピングし、トピック側のプレフィックス展開と応答側のファイナルホップマッチングを組み合わせることにより、ノイズの多い混合型展開を抑制することによって、双方向検索機構を導入する。 OPIはさらに、検索されたパスと候補の回答を質問コンテキストの下で再評価する反復的な改善戦略を採用し、より信頼性の高い回答予測のためのタイプ互換だが質問非関連な証拠をフィルタリングする。 WebQSP、CWQ、MetaQAの実験では、OPIは検索スペースを大幅に削減し、WebQSPではHit@1/F1を4.6/5.0ポイント改善し、CWQでは8.9/3ポイント改善し、検索モジュールだけでMetaQAではほぼ飽和なHit@1を実現している。

関連論文リスト

• Theseus in the Graph: Towards Traceable Multi-Hop Graph Navigation [11.103813686369685]
  マルチホップ知識グラフ質問 回答タスクは、自然言語の質問に答えるために、KG内の経路に沿って関係証拠を組み立てるモデルを必要とする。 質問条件付きグラフナビゲーション問題としてマルチホップKGQAを再設定する。 この設定では、エージェントは、KG、質問、トピックエンティティを受信し、回答に対する一連の関係をトラバースし、推論経路を明示する。
  論文  参考訳（メタデータ） (2026-09-13T14:06:43Z)
• MDER-DR: Multi-Hop Question Answering with Entity-Centric Summaries [2.756584457554517]
  Map-Disambiguate-Enrich-Reduce (MDER)はコンテキスト由来の3重記述を生成し、エンティティレベルの要約と統合する。 Decompose-Resolve (DR)は、ユーザクエリを解決可能なトリプルに分解し、知識グラフに格納する。 MDERとDRはLLM駆動のQAパイプラインを形成し、スパース、不完全、複雑なリレーショナルデータに対して堅牢である。
  論文  参考訳（メタデータ） (2026-03-11T18:38:44Z)
• StepChain GraphRAG: Reasoning Over Knowledge Graphs for Multi-Hop Question Answering [32.34277555394503]
  本稿では,BFS(Breadth-First Search)推論フローと質問分解を結合するフレームワークであるStepChain GraphRAGを紹介する。 提案手法はまず,コーパス上のグローバルインデックスを構築する。推測時には,検索したパスのみをオンザフライで解析して知識グラフを作成する。 MuSiQue、2WikiMultiHopQA、HotpotQAの実験では、StepChain GraphRAGが最先端のExact MatchとF1スコアを達成した。
  論文  参考訳（メタデータ） (2025-10-03T09:06:37Z)
• Open-Set Knowledge-Based Visual Question Answering with Inference Paths [79.55742631375063]
  知識に基づく視覚的質問回答(KB-VQA)の目的は、外部知識ベースの助けを借りて質問に対する正しい回答を提供することである。 KB-VQA, Graph pATH ranker (GATHER for brevity) の新しいレトリバーランカパラダイムを提案する。 具体的には、グラフの構築、プルーニング、パスレベルのランク付けが含まれており、正確な回答を検索するだけでなく、推論パスを提供して推論プロセスを説明する。
  論文  参考訳（メタデータ） (2023-10-12T09:12:50Z)
• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• Open-domain Question Answering via Chain of Reasoning over Heterogeneous Knowledge [82.5582220249183]
  異種知識ソース間のシングル/マルチホップ質問に応答する新しいオープンドメイン質問応答(ODQA)フレームワークを提案する。 分離された証拠を収集するためにレトリバーにのみ依存する従来の方法とは異なり、我々の仲介者は検索された集合に対する推論の連鎖を実行する。 本システムは,2つのODQAデータセットであるOTT-QAとNQに対して,Wikipediaの表や節に対する競合性能を実現する。
  論文  参考訳（メタデータ） (2022-10-22T03:21:32Z)
• 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)
• Improving Embedded Knowledge Graph Multi-hop Question Answering by introducing Relational Chain Reasoning [8.05076085499457]
  知識ベース質問回答(KBQA)は、トピックエンティティと回答の間の推論を識別することで、知識ベース(KB)からのユーザ要求に答える。 KBQA の複素分岐タスクとして、マルチホップ KGQA は構造化された KG に保存された多重ホップ関係鎖の推論を必要とする。
  論文  参考訳（メタデータ） (2021-10-25T06:53:02Z)
• Adaptive Information Seeking for Open-Domain Question Answering [61.39330982757494]
  本稿では,オープンドメイン質問応答,すなわちAISOに対する適応型情報探索手法を提案する。 学習方針によると、AISOは適切な検索行動を選択し、各ステップで行方不明の証拠を探すことができる。 AISOは、検索と回答の評価の両方の観点から、事前定義された戦略で全てのベースライン手法を上回ります。
  論文  参考訳（メタデータ） (2021-09-14T15:08:13Z)
• Answering Any-hop Open-domain Questions with Iterative Document Reranking [62.76025579681472]
  オープンドメインの問に答える統合QAフレームワークを提案する。 提案手法は,シングルホップおよびマルチホップのオープンドメインQAデータセットにおいて,最先端技術に匹敵する性能を継続的に達成する。
  論文  参考訳（メタデータ） (2020-09-16T04:31:38Z)

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。