信頼性の高い知識グラフ・トリプル検証のためのスキーマ対応型プランニングとハイブリッド知識ツールセット

Abstract

知識グラフ（KG）はAIシステムにとって重要な基盤となる一方で、その自動構築は必然的にノイズを導入し、データの信頼性を損ないます。グラフ埋め込みや言語モデルに基づく既存の三つ組検証（triple verification）手法は、多くの場合、内部の構造制約または外部の意味的証拠のいずれか一方に依存することで単一ソースのバイアスを受けやすく、さらに静的な推論パラダイムに従うことが一般的です。その結果、複雑またはロングテールの事実に対しては苦手で、解釈可能性も限られています。これらの制約に対処するために、本論文では、訓練不要の自律エージェントであるSHARP（Schema-Hybrid Agent for Reliable Prediction）を提案します。これは三つ組検証を、戦略的計画・能動的調査・証拠に基づく推論という動的プロセスとして組み替えるものです。具体的に、SHARPは推論の安定性を高めるためにメモリ拡張メカニズムとスキーマに注意した戦略的計画を組み合わせ、さらに強化されたReActループとハイブリッド知識ツールセットを用いて、内部のKG構造と外部のテキスト証拠を動的に統合し、相互検証を可能にします。FB15K-237およびWikidata5M-Indに対する実験では、SHARPが既存の最先端ベースラインを大幅に上回り、それぞれ精度が4.2%および12.9%向上することを示しました。さらにSHARPは、各判断に対して透明で事実ベースのエビデンスチェーンを提供し、複雑な検証タスクに対して強い解釈可能性と頑健性を示します。