Text-to-SPARQL 超越英语：基于仿人推理的知识图谱多语言问答
计算与语言
2025-07-24 v1 人工智能
信息检索
摘要
通过多语言自然语言界面访问知识是信息检索及相关领域的新兴挑战之一。存储在知识图谱中的结构化知识可以通过特定的查询语言（例如 SPARQL）进行查询。因此，需要将自然语言输入转换为查询以满足信息需求。先前的方法主要侧重于组合解决下游任务的组件（例如基于规则或基于神经的组件），并在最终给出答案。我们引入了 mKGQAgent，一个受人类启发的框架，该框架将自然语言问题转换为 SPARQL 查询的任务分解为模块化、可解释的子任务。通过利用协调的 LLM 智能体工作流进行规划、实体链接和查询细化——并由用于上下文学习的经验池指导——mKGQAgent 高效地处理多语言 KGQA。在 Text2SPARQL 挑战赛 2025 中基于 DBpedia 和企业级 KGQA 基准上的评估表明，我们的方法在其他参与者中排名第一。这项工作为在多语言语义解析中开发类人推理系统开辟了新途径。
引用
@article{arxiv.2507.16971,
title = {Text-to-SPARQL Goes Beyond English: Multilingual Question Answering Over Knowledge Graphs through Human-Inspired Reasoning},
author = {Aleksandr Perevalov and Andreas Both},
journal= {arXiv preprint arXiv:2507.16971},
year = {2025}
}
备注
During the final evaluation on the DBpedia- and Corporate-based KGQA benchmarks within the Text2SPARQL challenge 2025, our approach took first place among the other participants