論文の概要: AdaPath: Query-Adaptive Path-Finding via Path-Bank for Multi-Hop Implicit Biomedical KGQA

• arxiv url: http://arxiv.org/abs/2608.30556v1
• Date: Mon, 31 Aug 2026 10:32:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.351917
• Title: AdaPath: Query-Adaptive Path-Finding via Path-Bank for Multi-Hop Implicit Biomedical KGQA
• Title（参考訳）: AdaPath:Multi-Hop Implicit Biomedical KGQAのためのパスバンクによるクエリ適応パスフィンディング
• Abstract要約: 我々はPath-Bankからクエリ適応メタパスを検索するパスフィンディングフレームワークであるAdaPathを提案する。 AdaPathは、バイオメディカルクエリにおいて欠落した手がかりを提供すると同時に、密集した知識グラフの近傍を効果的に刈り取っている。 我々はBioStrat-QAをリリースした。これはマルチホップクエリを、どれだけの中間的推論を公開しているかによって階層化するベンチマークである。
• 参考スコア（独自算出の注目度）: 54.439095132552325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Path-finding over knowledge graphs has become an effective way to ground LLM reasoning on multi-hop questions. However, biomedical QA introduces two distinct challenges that general-domain methods are not designed for: (i) queries do not expose intermediate reasoning and can be answered through multiple valid pathways, and (ii) biomedical knowledge graphs are densely connected, so path-finding methods easily take wrong turns. To address these challenges, we propose AdaPath, a path-finding framework that retrieves query-adaptive meta-paths from Path-Bank, which captures both query semantics and biomedical knowledge graph structure. AdaPath provides the missing cues in biomedical queries while effectively pruning dense knowledge graph neighborhoods during multi-hop reasoning. We further release BioStrat-QA, a biomedical KGQA benchmark that stratifies multi-hop queries by how much intermediate reasoning they expose. Across biomedical KGQA benchmarks, AdaPath consistently outperforms baselines, sustaining meaningful path-finding even when multi-hop queries expose less surface information. The source code is available at https://github.com/Jun-Hyeong-Kim/AdaPath.
• Abstract（参考訳）: 知識グラフに対するパスフィリングは,マルチホップ問題に基づくLLM推論の土台として有効な方法となっている。 しかし、生物医学的なQAでは、一般的なドメイン・メソッドが設計されていない2つの異なる課題が紹介されている。 (i)クエリは中間的推論を公開せず、複数の有効な経路を通して応答することができる。 (II) バイオメディカル知識グラフは密接な連結であるため、パスフィリング法は容易に誤りを犯す。 これらの課題に対処するため、Path-Bankからクエリ適応メタパスを検索するパスフィニングフレームワークであるAdaPathを提案し、クエリセマンティクスとバイオメディカル知識グラフ構造の両方をキャプチャする。 AdaPathは、バイオメディカルクエリにおいて欠落した手がかりを提供すると同時に、マルチホップ推論において、密集した知識グラフの近傍を効果的に刈り取る。 さらに,生物医学的なKGQAベンチマークであるBioStrat-QAをリリースする。 バイオメディカルなKGQAベンチマーク全体で、AdaPathは一貫してベースラインを上回り、マルチホップクエリが表面情報が少ない場合にも意味のあるパスフィニングを維持する。 ソースコードはhttps://github.com/Jun-Hyeong-Kim/AdaPath.comで入手できる。

関連論文リスト

• S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering [10.112212302226615]
  S-Path-RAGは,大規模知識グラフ上でのマルチホップ質問応答を改善するためのフレームワークである。 S-Path-RAGは、有界長、意味的に重み付けされた候補経路を列挙することによって、一発のテキスト重み付き検索から離脱する。 我々は、標準的なマルチホップKGQAベンチマークと、改善と診断分析を通じてS-Path-RAGを検証する。
  論文  参考訳（メタデータ） (2026-03-05T14:22:23Z)
• UETQuintet at BioCreative IX - MedHopQA: Enhancing Biomedical QA with Selective Multi-hop Reasoning and Contextual Retrieval [0.0]
  直接質問と逐次質問の両方を効果的に解決するモデルを提案する。 マルチソース情報検索とインコンテキスト学習を利用して、回答を生成するためのリッチで関連するコンテキストを提供する。 当社のアプローチでは,Exact Matchスコア0.84を達成し,現行のリーダボードで2位となった。
  論文  参考訳（メタデータ） (2026-01-11T16:12:38Z)
• Soft Reasoning Paths for Knowledge Graph Completion [41.04734533217766]
  推論パスは知識グラフ補完(KGC)における信頼できる情報である 現実のアプリケーションでは、計算に手頃なパスが全ての候補エンティティに対して存在することを保証することは困難である。 そこで本研究では,提案アルゴリズムを不備な経路状況に対してより安定にするために,ソフト推論パスを導入する。
  論文  参考訳（メタデータ） (2025-05-06T08:12:48Z)
• ExPath: Targeted Pathway Inference for Biological Knowledge Bases via Graph Learning and Explanation [37.72627790771535]
  本稿では,生物データベースの様々なグラフ(バイオネットワーク)を分類するために,実験データを明示的に統合した新しいサブグラフ推論フレームワークであるExPAthを提案する。 我々のフレームワークは、生物学的基盤モデルをシームレスに統合し、実験分子データをエンコードすることができる。 301のバイオネットワーク評価を含む実験では、ExPathによって推論される経路が生物学的に意味があることが示されている。
  論文  参考訳（メタデータ） (2025-02-25T09:33:15Z)
• BioMaze: Benchmarking and Enhancing Large Language Models for Biological Pathway Reasoning [49.487327661584686]
  実際の研究から5.1Kの複雑な経路問題を持つデータセットであるBioMazeを紹介する。 CoT法やグラフ拡張推論法などの手法の評価は,LLMが経路推論に苦慮していることを示している。 そこで本稿では,インタラクティブなサブグラフベースのナビゲーションにより推論を強化するLLMエージェントであるPathSeekerを提案する。
  論文  参考訳（メタデータ） (2025-02-23T17:38:10Z)
• K-Paths: Reasoning over Graph Paths for Drug Repurposing and Drug Interaction Prediction [21.72997408572975]
  K-Pathsは、密度の高いバイオメディカル知識グラフから構造化され、多様性があり、生物学的に意味のあるマルチホップパスを抽出する、モデルに依存しない検索フレームワークである。 これらの経路は、保存されていない薬物・薬物・消毒相互作用の予測を可能にする。 実験によると、K-Pathsは最先端の言語モデル間でゼロショット推論を改善する。
  論文  参考訳（メタデータ） (2025-02-18T23:55:24Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• Monte-Carlo Tree Search for Multi-Agent Pathfinding: Preliminary Results [60.4817465598352]
  マルチエージェントパスフィンディングに適したモンテカルロ木探索(MCTS)のオリジナル版を紹介する。 具体的には,エージェントの目標達成行動を支援するために,個別の経路を用いる。 また,木探索手順の分岐係数を低減するために,専用の分解手法を用いる。
  論文  参考訳（メタデータ） (2023-07-25T12:33:53Z)
• 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)
• Exploiting Hybrid Semantics of Relation Paths for Multi-hop Question Answering Over Knowledge Graphs [31.088325888508137]
  本稿では、関係経路のハイブリッドセマンティクスを利用してマルチホップKGQAを改善することを提案する。 関係経路の明示的なテキスト情報と暗黙的なKG構造を,新規な回転・スケールのエンティティリンク予測フレームワークに基づいて統合する。
  論文  参考訳（メタデータ） (2022-09-02T08:07:37Z)
• 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)
• A Complex KBQA System using Multiple Reasoning Paths [42.007327947635595]
  マルチホップ知識に基づく質問応答(KBQA)は、自然言語理解のための複雑なタスクである。 本稿では,複数の推論経路の情報を活用するエンド・ツー・エンドKBQAシステムを提案する。
  論文  参考訳（メタデータ） (2020-05-22T02:35:42Z)

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。