$\text{EFO}_{k}$-CQA：面向超越集合操作的知识图谱复杂查询回答
人工智能
2023-07-27 v1 数据库
机器学习
计算机科学中的逻辑
摘要
为了在知识图谱上回答复杂查询，由于开放世界假设，需要对不完备知识进行逻辑推理。基于学习的方法至关重要，因为它们能够对未观测到的知识进行泛化。因此，在此范式下，一个合适的数据集对于获取和评估此类方法都至关重要。本文提出了一个涵盖多变量存在一阶查询（）组合空间的数据生成、模型训练与方法评估的综合框架。我们框架中的组合查询空间显著扩展了现有文献中由集合操作所定义的空间。此外，我们构建了一个包含 741 种查询类型的数据集 -CQA 用于实证评估，我们的基准结果提供了关于查询难度如何影响结果的新见解。进一步，我们证明了现有的数据集构建过程存在系统性偏差，阻碍了查询回答方法的合理发展，凸显了我们工作的重要性。我们的代码和数据见~\url{https://github.com/HKUST-KnowComp/EFOK-CQA}。
引用
@article{arxiv.2307.13701,
title = {$\text{EFO}_{k}$-CQA: Towards Knowledge Graph Complex Query Answering beyond Set Operation},
author = {Hang Yin and Zihao Wang and Weizhi Fei and Yangqiu Song},
journal= {arXiv preprint arXiv:2307.13701},
year = {2023}
}