지식 기반에 대한 자연어 쿼리에 대한 사례 기반 추론

복잡한 문제를 처음부터 해결하는 것은 종종 어렵지만, 비슷한 문제와 그 해결 방법에 접근할 수 있다면 훨씬 쉬워진다. 이와 같은 사고 방식은 사례 기반 추론(case-based reasoning, CBR)이라 불린다. 우리는 대규모 지식 기반(KB)에 대한 질문 응답을 위해 신경-심볼릭 사례 기반 추론(CBR) 접근법(CBR-KBQA)을 제안한다. CBR-KBQA는 사례(질문과 논리 형태)를 저장하는 비파라미터 메모리와, 새로운 질문과 관련된 사례를 검색함으로써 그에 대한 논리 형태를 생성할 수 있는 파라미터 모델로 구성된다. 다양한 복잡한 질문을 포함하는 몇 가지 KBQA 데이터셋에서 CBR-KBQA는 경쟁력 있는 성능을 보였다. 예를 들어, ComplexWebQuestions 데이터셋에서는 현재 최고 성능 기준보다 정확도에서 11% 우수한 성과를 달성하였다. 더불어, CBR-KBQA가 추가 학습 없이도 새로운 사례를 활용할 수 있음을 보였다. 즉, 사례 메모리에 몇 개의 인간 라벨링 예시를 포함시킴으로써, CBR-KBQA는 미리 보지 못한 지식 기반 내 엔티티와 관계를 포함하는 논리 형태를 성공적으로 생성할 수 있다.