यह शोधपत्र ऑन्टोलॉजी-निर्देशित रिवर्स थिंकिंग (ORT) का प्रस्ताव करता है, जो बड़े पैमाने के भाषा मॉडल (LLM) पर नॉलेज ग्राफ प्रश्नोत्तर (KGQA) के प्रदर्शन को बेहतर बनाने के लिए एक नवीन ढाँचा है। इस समस्या का समाधान करने के लिए कि मौजूदा KGQA विधियाँ एंटिटी वेक्टर मिलान पर निर्भर करती हैं और बहु-चरणीय अनुमान की आवश्यकता वाले प्रश्नों के उत्तर देने में कठिनाई का सामना करती हैं, हम ORT का प्रस्ताव करते हैं, जो मानव रिवर्स रीजनिंग से प्रेरित होकर, लक्ष्य से स्थिति तक एक अनुमान पथ का निर्माण करता है। ORT में तीन चरण होते हैं: LLM का उपयोग करके लक्ष्य और स्थिति लेबल निकालना, नॉलेज ग्राफ ऑन्टोलॉजी पर आधारित एक लेबल अनुमान पथ उत्पन्न करना, और लेबल अनुमान पथ का उपयोग करके ज्ञान प्राप्त करना। WebQSP और CWQ डेटासेट पर प्रायोगिक परिणाम दर्शाते हैं कि ORT अत्याधुनिक प्रदर्शन प्राप्त करता है और LLM की KGQA क्षमता को उल्लेखनीय रूप से बढ़ाता है।
