NQE: 超関係知識グラフ上の複雑なクエリ応答のためのN項クエリ埋め込み

複雑なクエリ応答（CQA）は、知識グラフ（KGs）上で多段階および論理的な推論を行うための重要なタスクです。現在、ほとんどのアプローチは2項関係事実間のクエリに限定されており、現実世界でより一般的である2つ以上のエンティティを含むn項事実（n>=2）には十分な注意が払われていません。さらに、従来のCQA手法は少数の与えられたクエリタイプに対する予測しか行えず、より複雑な論理クエリへの柔軟な拡張が困難であるため、その応用範囲が大幅に制限されています。これらの課題を克服するため、本研究ではハイパーリレーショナル知識グラフ（HKGs）上のCQA向けに新たなN-ary Query Embedding (NQE) モデルを提案します。HKGsには大量のn項事実が含まれています。NQEは双方向異種Transformerエンコーダとファジィロジック理論を利用し、存在量詞、論理積、論理和、否定を含むすべてのn項FOLクエリに対応します。また、単一バッチで任意のn項FOLクエリを訓練または予測できる並列処理アルゴリズムも提案しており、各クエリの種類に関わらず高い柔軟性と拡張性を備えています。さらに、WD50K-NFOLという新しいCQAデータセットを生成しました。これはWD50K上で多様なn項FOLクエリを含んでいます。WD50K-NFOLおよび他の標準的なCQAデータセットでの実験結果から、NQEはHKGs上の最先端のCQA手法であり、優れた汎化能力を持つことが示されました。当方のコードとデータセットは公開されています。