Mixture of Structural-and-Textual Retrieval over Text-rich Graph Knowledge Bases
Created by
Haebom
저자
Yongjia Lei, Haoyu Han, Ryan A. Rossi, Franck Dernoncourt, Nedim Lipka, Mahantesh M Halappanavar, Jiliang Tang, Yu Wang
개요
본 논문은 텍스트와 구조적 지식을 모두 제공하는 텍스트 풍부 그래프 지식 기반(TG-KBs)에서 질의 응답을 위한 새로운 검색 방법인 MoR(Mixture of Structural-and-Textual Retrieval)을 제안합니다. MoR은 계획-추론-정리 프레임워크를 기반으로 텍스트 계획 그래프를 생성하고, 구조적 탐색과 텍스트 매칭을 통해 후보를 얻은 후, 구조적 경로를 기반으로 후보를 재순위 지정합니다. 기존 방법들이 구조적 및 텍스트적 지식을 개별적으로 검색하거나 구조적 검색을 생략하는 것과 달리, MoR은 두 가지 유형의 지식 검색을 조화시켜 성능을 향상시킵니다. 실험 결과, MoR이 다양한 질의 논리에 걸쳐 불균일한 검색 성능을 보이는 문제점을 해결하고, 구조적 경로 통합을 통해 후보 재순위 지정의 효과를 입증했습니다.
시사점, 한계점
•
시사점:
◦
텍스트 풍부 그래프 지식 기반에서 질의 응답 성능 향상에 기여하는 새로운 검색 방법 MoR 제시
