Harnessing Diverse Perspectives: A Multi-Agent Framework for Enhanced Error Detection in Knowledge Graphs
Created by
Haebom
Category
Empty
저자
Yu Li, Yi Huang, Guilin Qi, Junlan Feng, Nan Hu, Songlin Zhai, Haohan Xue, Yongrui Chen, Ruoyan Shen, Tongtong Wu
MAKGED: Multi-Agent Framework for Knowledge Graph Error Detection
개요
본 논문은 지식 그래프(Knowledge Graph, KG) 오류 탐지를 위한 새로운 프레임워크인 MAKGED를 제안한다. MAKGED는 여러 대규모 언어 모델(LLM)을 활용하여 협력적인 환경을 구축한다. 세분화된 양방향 서브 그래프 임베딩과 LLM 기반 쿼리 임베딩을 결합하여 훈련함으로써 4개의 전문 에이전트를 생성한다. 이 에이전트들은 다양한 차원의 서브 그래프 정보를 사용하여 다중 라운드 토론을 진행하고, 이를 통해 오류 탐지 정확도를 향상시키고 투명한 의사 결정 과정을 보장한다. FB15K 및 WN18RR 데이터셋에 대한 실험 결과, MAKGED가 기존 최첨단 방법보다 우수한 성능을 보였다.
시사점, 한계점
•
시사점:
◦
다중 LLM 에이전트 기반의 협력적 오류 탐지 프레임워크 제시
◦
세분화된 서브 그래프 정보와 LLM 기반 쿼리 임베딩의 통합
◦
오류 탐지 정확도 향상 및 투명한 의사 결정 과정 제공
◦
산업별 특화된 지식 그래프를 활용하여 전문 에이전트 훈련 가능성 제시
◦
FB15K 및 WN18RR 데이터셋에서 기존 SOTA(State-of-the-Art) 방법 능가
