从 grounding 到 Skolemization：知识图谱复杂查询 answering 的范式转变
人工智能
2025-11-13 v2
摘要
知识图谱上基于不完整数据的复杂查询 answering（CQA），通常形式化为使用带一个自由变量的存在一阶谓词逻辑（EFO），面临逻辑忠实度与计算效率之间的根本性权衡。本工作建立了 Grounding-Skolemization 二分法，系统分析这一挑战并动机 CQA 的范式转变。虽然基于 Grounding 的方法本质上 suffer 从组合爆炸，但大多数基于 Skolemization 的方法忽略了明确建模 Skolem 函数并妥协逻辑一致性。为解决这些限制，我们提出了 Logic-constrained Vector Symbolic Architecture（LVSA），一种神经符号框架，统一可微化的 Skolemization 模块和神经否定器，以及逻辑约束驱动的优化协议以调和几何和逻辑要求。理论上，LVSA 为所有 EFO 查询保证通用性且计算复杂度低。实证上，它超越了最新的基于 Skolemization 方法，并将推理成本降低了数量级于基于 Grounding 的基线。
引用
@article{arxiv.2509.10837,
title = {Exploring the Paradigm Shift from Grounding to Skolemization for Complex Query Answering on Knowledge Graphs},
author = {Yuyin Lu and Hegang Chen and Shanrui Xie and Yanghui Rao and Haoran Xie and Fu Lee Wang and Qing Li},
journal= {arXiv preprint arXiv:2509.10837},
year = {2025}
}