LitCQD:基于数值字面量的不完全知识图谱多跳推理
人工智能
2023-05-01 v1
摘要
大多数真实世界知识图谱,包括Wikidata、DBpedia和Yago,都是不完全的。在此类不完全图谱上回答查询是一个重要但具挑战性的问题。近来,包括复杂查询分解(CQD)在内的若干方法被提出,用于在此类图谱上回答带合取与析取的复杂多跳查询。然而,所有当前最优方法仅考虑由实体与关系构成的图谱,忽略了字面量值。本文提出LitCQD——一种回答复杂多跳查询的方法,其中查询与知识图谱均可包含数值字面量值:LitCQD可回答具有数值答案或满足数值约束的实体答案的查询。例如,它允许查询(1)居住在纽约且具有一定年龄的人,以及(2)居住在纽约的人的平均年龄。我们在含与不含字面量值的查询类型上评估LitCQD。为评估LitCQD,我们在扩展了字面量值的FB15k-237数据集版本上生成复杂多跳查询及其预期答案。
引用
@article{arxiv.2304.14742,
title = {LitCQD: Multi-Hop Reasoning in Incomplete Knowledge Graphs with Numeric Literals},
author = {Caglar Demir and Michel Wiebesiek and Renzhong Lu and Axel-Cyrille Ngonga Ngomo and Stefan Heindorf},
journal= {arXiv preprint arXiv:2304.14742},
year = {2023}
}