Complex Logical Reasoning over Knowledge Graphs using Large Language Models

要約

ナレッジ グラフ (KG) に対する推論は、エンティティ間の複雑な関係とその関係の基礎となるロジックを深く理解する必要がある難しいタスクです。
現在のアプローチは、論理クエリ操作のためにベクトル空間にエンティティを埋め込む学習ジオメトリに依存していますが、複雑なクエリやデータセット固有の表現では標準以下のパフォーマンスに悩まされています。
この論文では、グラフ抽出アルゴリズムと大規模なアルゴリズムの長所を活用するために、コンテキスト KG 検索と論理クエリ推論の組み合わせとして複雑な KG 推論を定式化する、新しい分離アプローチである知識グラフ上の言語ガイド付き抽象推論 (LARK) を提案します。
それぞれ言語モデル (LLM)。
私たちの実験では、提案されたアプローチが、いくつかの論理クエリ構造にわたる標準的なベンチマーク データセットで最先端の KG 推論方法よりも優れたパフォーマンスを示し、より複雑なクエリに対して大幅なパフォーマンス向上が得られることを示しています。
さらに、基礎となる LLM のサイズの増加に比例してアプローチのパフォーマンスが向上し、KG を超える論理推論のための LLM の最新の進歩の統合が可能になることを示します。
私たちの研究は、複雑な KG 推論の課題に対処するための新しい方向性を示し、この分野における将来の研究への道を切り開きます。

要約(オリジナル)

Reasoning over knowledge graphs (KGs) is a challenging task that requires a deep understanding of the complex relationships between entities and the underlying logic of their relations. Current approaches rely on learning geometries to embed entities in vector space for logical query operations, but they suffer from subpar performance on complex queries and dataset-specific representations. In this paper, we propose a novel decoupled approach, Language-guided Abstract Reasoning over Knowledge graphs (LARK), that formulates complex KG reasoning as a combination of contextual KG search and logical query reasoning, to leverage the strengths of graph extraction algorithms and large language models (LLM), respectively. Our experiments demonstrate that the proposed approach outperforms state-of-the-art KG reasoning methods on standard benchmark datasets across several logical query constructs, with significant performance gain for queries of higher complexity. Furthermore, we show that the performance of our approach improves proportionally to the increase in size of the underlying LLM, enabling the integration of the latest advancements in LLMs for logical reasoning over KGs. Our work presents a new direction for addressing the challenges of complex KG reasoning and paves the way for future research in this area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google