NQE：用于超关系知识图谱复杂查询回答的N元查询嵌入

复杂查询回答（CQA）是知识图谱（KGs）上进行多跳和逻辑推理的重要任务。目前，大多数方法仅限于处理二元关系事实之间的查询，而对包含两个以上实体的n元事实（n≥2）关注较少，这些事实实际上在现实世界中更为普遍。此外，以往的CQA方法只能针对少数几种给定类型的查询做出预测，无法灵活扩展到更复杂的逻辑查询，这极大地限制了它们的应用范围。为了解决这些问题，本文提出了一种新颖的N元查询嵌入（NQE）模型，用于超关系知识图谱（HKGs）上的CQA任务，该模型涵盖了大量的n元事实。NQE利用双异构Transformer编码器和模糊逻辑理论来满足所有n元一阶逻辑（FOL）查询的需求，包括存在量词、合取、析取和否定。我们还提出了一种并行处理算法，可以在单个批次中训练或预测任意n元FOL查询，无论每种查询的具体类型如何，具有良好的灵活性和可扩展性。此外，我们生成了一个新的CQA数据集WD50K-NFOL，其中包含了基于WD50K的各种n元FOL查询。在WD50K-NFOL和其他标准CQA数据集上的实验结果表明，NQE是当前最先进的超关系知识图谱上的CQA方法，并且具有良好的泛化能力。我们的代码和数据集已公开发布。