STEM：知識グラフ駆動の検索拡張生成のための構造トレース型エビデンス・マイニング
arXiv cs.CL / 2026/4/27
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、知識グラフを用いた質問応答において、局所的な推論経路に留まらずグローバルな構造認識を活用してマルチホップ検索を改善するSTEMという枠組みを提案する。
- STEMはSemantic-to-Structural Projectionパイプラインによりクエリを原子的な関係主張へ変換し、適応的なスキーマ誘導クエリグラフを構築することで意味の不一致を減らす。
- さらに、グローバルに意識したノード・アンカリングと部分グラフ検索を行い、知識グラフから最終的なエビデンス推論グラフを生成する。
- Triple-Dependent GNN（Triple-GNN）を用いてGlobal Guidance Subgraph（Guidance Graph）を作成し、グラフ構築プロセス中にグローバルなKG構造をより効果的に組み込む。
- 実験では、マルチホップ推論における精度とエビデンス完全性が向上し、複数のマルチホップベンチマークで最先端の性能を達成したと報告している。
