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.

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

개요

본 논문은 지식 그래프(Knowledge Graph, KG)의 오류 탐지를 위한 새로운 Multi-Agent 프레임워크인 MAKGED를 제안한다. MAKGED는 여러 대규모 언어 모델(LLM)을 협업 환경에서 활용하여 세분화된 하위 그래프 정보를 효과적으로 사용하고, 오류 탐지 정확도를 향상시키며, 투명한 의사 결정 과정을 제공한다. MAKGED는 훈련 과정에서 세분화된 양방향 하위 그래프 임베딩과 LLM 기반 쿼리 임베딩을 결합하여 4개의 전문 에이전트를 생성한다. 이 에이전트들은 다양한 차원의 하위 그래프 정보를 사용하여 다중 라운드 토론을 수행하여 오류 탐지 정확도를 높인다. FB15K 및 WN18RR 데이터셋에 대한 실험 결과, MAKGED가 기존 방법들을 능가하는 성능을 보였다. 또한, 특정 산업 시나리오에서 도메인별 지식 그래프를 사용하여 전문 에이전트를 훈련하는 데 활용될 수 있다.

시사점, 한계점

•
시사점:
◦
여러 LLM 에이전트의 협업을 통해 지식 그래프 오류 탐지 성능 향상.
◦
세분화된 하위 그래프 정보를 활용하여 오류 탐지 정확도 증대.
◦
투명한 의사 결정 과정을 통해 오류 탐지 결과의 신뢰성 확보.
◦
산업 분야의 적용 가능성 제시 (도메인별 지식 그래프 활용).
◦
오픈 소스 코드 및 데이터셋 제공.
•
한계점:
◦
구체적인 한계점은 논문 내용에서 명시되지 않음 (추후 논문 상세 내용 확인 필요).
👍
Made with Slashpage