既定のスキーマを超えて：複雑な文書から文脈を豊かにした知識グラフを生成する TRACE-KG
arXiv cs.AI / 2026/4/7
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、既存の知識グラフ（KG）構築アプローチの重要な限界を指摘している。すなわち、オントロジー駆動のパイプラインは高コストなスキーマ保守が必要であり、一方、スキーマ非依存の抽出は、長く文脈に富む文書においてグラフが断片化し、グローバルな組織化が弱くなる可能性がある。
- 本論文では、TRACE-KGというマルチモーダルな枠組みを提案する。これにより、事前に定義されたオントロジーに依存せずに、文脈を豊かにしたKGと、生成されたスキーマを共同で誘導する。
- TRACE-KGは、構造化された修飾子（クオリファイア）を用いて条件／文脈依存の情報をモデル化し、データ駆動の再利用可能なセマンティック・スキャフォールドによってエンティティと関係を整理することを目指す。
- このアプローチは、KGの要素から元の根拠となる出典エビデンスへとリンクを保持することで、エンドツーエンドのトレーサビリティを重視する。
- 抄録に記載された実験結果によれば、TRACE-KGはより構造的に一貫したトレーサブルなKGを生成し、オントロジー駆動型および完全にスキーマ非依存なパイプラインの双方に対する実用的な代替手段を提供すると示唆されている。
