Integrating Knowledge Graphs with Adaptive Schema into Wikipedia-based Question Answering Systems
本文提出了一种用于基于维基百科的多跳问答的自适应模式、图增强检索框架，该框架利用基于 GLiNER2 的局部模式引导提取和事后三元组注入，以提高证据覆盖率和检索性能，使其超越了依赖于大语言模型的基准模型，并在 MuSiQue、2WikiMultihopQA 和 HotpotQA 数据集上实现了最先进的 F1 分数。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在人类知识的浩瀚数字图书馆中，寻找一个单一的事实往往很容易。但要回答一个需要跨越许多不同页面来连接各个知识点的复杂问题，则是另一项挑战。想象一下，你正试图解开一个谜团，第一个线索在一本书里，第二个线索在另一本书里，而最终的答案只有当你意识到这两个线索如何契合时才会显现。这就是多跳问答（multi-hop question answering）的本质，这项任务长期以来一直在考验着人工智能的极限。多年来，计算机一直难以应对这个问题，因为它们通常通过寻找与问题听起来相似的词汇来搜索答案。如果答案需要一个并不共享这些相同词汇的推理链，计算机往往会迷失方向。为了解决这个问题，研究人员开始构建事实的数字地图，将人物、地点和事件等实体相互连接起来。这些被称为知识图谱（knowledge graphs）的地图，允许计算机在信息之间行走，沿着逻辑路径而非仅仅匹配关键词进行跳转。
然而，构建这些地图在传统上是一个缓慢且昂贵的过程。许多系统依赖强大的云端人工智能，去阅读海量图书馆中的每一句话，并猜测其中的关系。这种方法虽然灵活，但成本高昂且容易出错。来自越南的研究人员提出了一条不同的路径：一种使用更轻量、更本地化的方法来构建这些地图的系统，该系统可以在标准计算机硬件上运行，同时还能学习在过程中发现新的连接类型。该团队以维基百科（Wikipedia）这一庞大的文章集合为研究对象，观察他们是否能在不需要昂贵外部服务的情况下，构建出一张可靠的事实地图。他们的目标是创建一个不仅能找到正确文档，还能理解文档间隐藏桥梁的系统，从而使其能够回答需要深度、多步推理的问题。
研究人员开发了一个框架，该框架始于一组预定义的规则，用于规定要寻找什么样的关系，例如“出生于”或“就职于”。他们使用一种专门的工具扫描维基百科文章并提取这些特定的事实，将文本转化为由节点和边组成的结构化网络。但他们也意识到，固定的规则列表会遗漏文本中独特的细节。为了解决这个问题，他们增加了一个巧妙的第二步骤。在初始地图构建完成后，系统会寻找在文中同时出现但之间没有连接线的实体对。它会分析这些实体对周围的词汇，观察是否出现了某种新的、一致的关系。如果系统发现某个特定短语出现的频率足够高，具有实际意义，它就会为这种关系创建一个新的类别，并立即向地图中添加缺失的连接。这个过程被该团队称为自适应模式发现（adaptive schema discovery），它使系统能够在不从头重读整个图书馆的情况下，扩展其对世界的理解。
地图构建完成后，研究人员测试了它在多大程度上能帮助回答问题。当用户提出一个复杂问题时，系统并不仅仅搜索匹配的词汇。相反，它利用地图找到问题的起点，然后通过网络行走以寻找相关的实事，即使这些事实位于好几步之外。为了确保系统挑选出最相关的信息，它使用了一种局部评分机制来对发现的结果进行排名，并使用一种拓扑路由方法来选择一组在结构上相互连接的紧凑文档集。这种方法意味着系统可以专注于解决谜题所需的特定证据链，而不是被无关信息所淹没。从构建地图到选择最终文档的整个过程，旨在高效地在单台消费级计算机上运行，避免了对昂贵云计算资源的需求。
研究结果表明，这种方法效果良好。团队在三个涉及多步推理的挑战性问题集上测试了他们的系统。在每种情况下，他们的图谱增强型系统都优于一种依赖于不同检索类型的领先基准方法。在一个专门用于测试复杂推理的极具难度的数据库集中，新系统的准确率得分有了显著提升，成功检索到必要证据的频率高于对比方法。研究发现，能够即时发现并添加新的关系类型是取得成功的关键因素，尤其是在预定义规则不足以捕捉所有必要连接的数据库集中。该系统能够识别出数百种新的关系类型，并在地图中注入数千个新事实，这直接有助于获得更好的答案。
重要的是，研究人员发现，地图的质量比提取事实的数量更为重要。虽然其他系统可能会生成一个由数百万个松散定义的连接组成的混乱网络，但这个系统创建了一个更简洁、更有组织结构的体系，其中的链接虽少但更可靠。这种组织性使得系统在导航图谱并寻找正确答案路径时变得更加容易。研究表明，对于复杂的推理任务，拥有一个连贯且可导航的地图，比拥有一个庞大但无序的数据集合更有价值。通过将本地、高效的提取方法与学习新关系的能力相结合，研究人员证明了构建既有效又能在日常硬件上实际运行的强大问答系统是可能的。这项工作强调了，智能搜索的未来可能并不取决于更大、更昂贵的模型，而在于更聪明地组织和连接我们已有的信息。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。