知識グラフ上のドメイン固有質問応答：論理プログラミングとLarge Language Modelsの活用

ドメイン固有のグラフ上で質問に答えるには、関係の数が限定的でドメイン特有の性質を持つため、特化したアプローチが求められる。本研究では、大規模言語モデル（LLM）に古典的な論理プログラミング言語を統合することで、知識グラフ質問応答（KGQA）タスクに論理的推論能力を活用できるようにしている。質問をPrologクエリとして表現することで、表現形式が読みやすく、自然言語に近い形となるため、プログラム的に導かれた回答の生成を容易にする。本手法の有効性を検証するため、広く知られたベンチマークデータセットMetaQAを用いて評価を行った。実験結果から、注釈付きデータのわずかな部分で学習させた場合でも、すべてのテスト質問に対して正解のエンティティを正確に同定できることを示した。総合的に見て、本研究はドメイン固有のグラフ上での質問応答に向けた有望なアプローチを提示しており、論理プログラミング言語を組み込むことで、説明可能性と堅牢性に優れた解決策を提供している。