Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Efficient and Scalable Neural Symbolic Search for Knowledge Graph Complex Query Answering

Created by
  • Haebom

저자

Weizhi Fei, Zihao Wang, hang Yin, Shukai Zhao, Wei Zhang, Yangqiu Song

개요

본 논문은 불완전한 지식 그래프에서 복잡한 논리 공식에 대한 답변 집합을 검색하는 복잡 쿼리 응답(CQA) 문제를 다룬다. 신경 기호 검색을 이용한 기존 방법들은 높은 정확도를 달성하지만, 데이터 복잡도의 이차적 증가 및 순환 쿼리의 NP-hard 문제로 인해 확장성에 어려움을 겪는다. 본 논문에서는 효율적이고 확장 가능한 기호 검색 프레임워크를 제안한다. 신경 논리 색인을 계산하기 위한 두 가지 제약 전략을 통해 변수의 도메인을 줄이고, 순환 쿼리의 NP 복잡도 문제를 해결하기 위해 국소 탐색 기반의 근사 알고리즘을 도입한다. 다양한 CQA 벤치마크 실험 결과, 제안된 프레임워크는 기존 기호 방법의 계산 부하를 90% 감소시키면서 유사한 성능을 유지하여 효율성과 확장성 문제를 완화한다.

시사점, 한계점

•
시사점:
◦
기존 신경 기호 검색 기반 CQA 방법의 확장성 문제(데이터 및 쿼리 복잡도)를 효과적으로 해결하는 새로운 프레임워크 제시.
◦
제약 전략과 근사 알고리즘을 통해 기존 기호 방법 대비 90%의 계산 부하 감소 달성.
◦
높은 정확도를 유지하면서 효율성 및 확장성을 크게 개선.
•
한계점:
◦
제안된 근사 알고리즘의 성능은 국소 탐색의 특성상 최적해를 보장하지 않을 수 있음.
◦
다양한 유형의 복잡한 쿼리에 대한 일반화 성능에 대한 추가적인 검증 필요.
◦
대규모 지식 그래프에 대한 실험 결과가 제한적일 수 있음.
👍
Made with Slashpage