Knowledge Graph Reasoning over Entities and Numerical Values

要約

知識グラフにおける複雑な論理クエリとは、カナダのチューリング賞受賞者はどこの大学を卒業したのか、といった複雑な意味を伝える論理形式で表現されたクエリのことを指す。対話システムや対話型検索エンジンなどの知識グラフ推論ベースのアプリケーションは、基本的なタスクとして、複雑な論理クエリに答える能力に依存しています。多くの知識グラフでは、エッジは通常、エンティティ間の関係または関連する属性値のいずれかを記述するために使用されます。属性値は、日付、年、サイズなどのカテゴリ形式または数値形式であることができる。しかし、既存の複雑なクエリ回答（CQA）手法では、エンティティを扱うのと同じように数値を扱うだけである。このため、1927年以前に生まれたオーストラリアのピューリッツァー賞受賞者は誰か、Paracetamolより副作用が少ない鎮痛剤はどれか、といった特定のクエリに答えることが困難となる場合がある。本研究では、数値符号化と知識グラフ推論の最近の進歩に触発され、数値的な複雑なクエリ回答を提案する。この課題では、数値属性値を含むクエリを記述するために、新しい数値変数と演算を導入する。また、実体と数値の違いに対処するため、実体と数値を別々の符号化構造に交互に符号化するNumber Reasoning Network (NRN)の枠組みを提案する。数値の符号化プロセスでは、NRNはパラメータ化された密度関数を用いて数値の分布を符号化する。エンティティのエンコード処理では、NRNは元のCQA問題で確立されたクエリのエンコード方法を使用する。実験の結果、NRNは3つの異なる知識グラフにおいて、様々なクエリ符号化方法を一貫して改善し、最先端の結果を達成することが示された。

要約(オリジナル)

A complex logic query in a knowledge graph refers to a query expressed in logic form that conveys a complex meaning, such as where did the Canadian Turing award winner graduate from? Knowledge graph reasoning-based applications, such as dialogue systems and interactive search engines, rely on the ability to answer complex logic queries as a fundamental task. In most knowledge graphs, edges are typically used to either describe the relationships between entities or their associated attribute values. An attribute value can be in categorical or numerical format, such as dates, years, sizes, etc. However, existing complex query answering (CQA) methods simply treat numerical values in the same way as they treat entities. This can lead to difficulties in answering certain queries, such as which Australian Pulitzer award winner is born before 1927, and which drug is a pain reliever and has fewer side effects than Paracetamol. In this work, inspired by the recent advances in numerical encoding and knowledge graph reasoning, we propose numerical complex query answering. In this task, we introduce new numerical variables and operations to describe queries involving numerical attribute values. To address the difference between entities and numerical values, we also propose the framework of Number Reasoning Network (NRN) for alternatively encoding entities and numerical values into separate encoding structures. During the numerical encoding process, NRN employs a parameterized density function to encode the distribution of numerical values. During the entity encoding process, NRN uses established query encoding methods for the original CQA problem. Experimental results show that NRN consistently improves various query encoding methods on three different knowledge graphs and achieves state-of-the-art results.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL