LinkQ: An LLM-Assisted Visual Interface for Knowledge Graph Question-Answering

要約

LinkQを提示します。LinkQは、大規模な言語モデル（LLM）を活用して、自然言語の質問を介して知識グラフ（kg）クエリ構造を促進するシステムです。
従来のアプローチでは、多くの場合、グラフのクエリ言語の詳細な知識が必要であり、ユーザー（専門家でさえ）がKGSから貴重な洞察を得る能力を制限します。
LINKQは、LLMがユーザーの質問を解釈する多段階プロトコルを実装して、このプロセスを簡素化し、それを体系的に整形したクエリに変換します。
LINKQは、ユーザーが自由回答形式の質問を正確な質問に繰り返し改善し、ターゲットと探索的分析の両方をサポートするのに役立ちます。
さらに、Linkqは、ユーザーの質問がGround Truth KGデータからのみ回答されることを確認することにより、LLMの幻覚を妨害します。
5人のkg開業医との定性的研究を通じてLinkQの有効性を示します。
我々の結果は、実務家がKGの質問に効果的であるLinkqを見つけ、将来のLLM支援の探索的データ分析システムを望んでいることを示しています。

要約(オリジナル)

We present LinkQ, a system that leverages a large language model (LLM) to facilitate knowledge graph (KG) query construction through natural language question-answering. Traditional approaches often require detailed knowledge of a graph querying language, limiting the ability for users — even experts — to acquire valuable insights from KGs. LinkQ simplifies this process by implementing a multistep protocol in which the LLM interprets a user’s question, then systematically converts it into a well-formed query. LinkQ helps users iteratively refine any open-ended questions into precise ones, supporting both targeted and exploratory analysis. Further, LinkQ guards against the LLM hallucinating outputs by ensuring users’ questions are only ever answered from ground truth KG data. We demonstrate the efficacy of LinkQ through a qualitative study with five KG practitioners. Our results indicate that practitioners find LinkQ effective for KG question-answering, and desire future LLM-assisted exploratory data analysis systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google