基于代理协同推理的面向循环经济的鲁棒文本到 SPARQL 转换
计算与语言
2025-08-05 v1 人工智能
摘要
涉及跨越异构知识图谱的问答(KGQA)需要进行推理，以处理多样化的模式、不完整的对齐以及分布式数据源。现有的文本到 SPARQL 方法依赖大规模的领域特定微调，或仅在单图谱环境中运行，限制了其在资源匮乏领域的通用性，以及处理跨图谱查询的能力。这些挑战在循环经济领域尤为突出，后者涉及分布在独立精选知识图谱(KGs)中的分类、工艺和排放信息。我们提出AgenticTS，一个模块化框架，将 KGQA 分解为由专门代理负责检索、查询生成和验证的子任务。调度器采用弱到强的对齐策略将子目标分配给不同图谱。两个阶段的验证器通过符号验证和反事实一致性检查检测结构上无效和语义不明确的查询。针对真实世界的循环经济知识图谱进行实验，表明AgenticTS 在执行准确性和三元级别 F 上分别提高了17.3%和25.4%，同时将平均提示长度减少46.4%。这些结果表明了基于代理的模式感知推理在可扩展 KGQA 方面的优势，支持通过稳健的跨图谱推理实现可持续发展领域的决策。
引用
@article{arxiv.2508.01815,
title = {AGENTICT$^2$S:Robust Text-to-SPARQL via Agentic Collaborative Reasoning over Heterogeneous Knowledge Graphs for the Circular Economy},
author = {Yang Zhao and Chengxiao Dai and Wei Zhuo and Tan Chuan Fu and Yue Xiu and Dusit Niyato and Jonathan Z. Low and Eugene Ho Hong Zhuang and Daren Zong Loong Tan},
journal= {arXiv preprint arXiv:2508.01815},
year = {2025}
}