2달 전

지식 그래프에서 복잡한 논리 쿼리를 처리하기 위한 쿼리 계산 트리 최적화 방법

Yushi Bai; Xin Lv; Juanzi Li; Lei Hou
지식 그래프에서 복잡한 논리 쿼리를 처리하기 위한 쿼리 계산 트리 최적화 방법
초록

부족한 지식 그래프에서 복잡한 논리적 쿼리를 처리하는 것은 어려운 작업이며, 이는 널리 연구되어 왔습니다. 임베딩 기반 방법은 복잡한 쿼리에 대한 학습을 필요로 하며, 분포 밖의 쿼리 구조에 대해 일반화하기 어렵습니다. 최근 연구에서는 이 작업을 엔드 투 엔드 최적화 문제로 정의하며, 사전 학습된 링크 예측기만 필요로 합니다. 그러나 지수적으로 큰 조합 탐색 공간으로 인해 최적 해를 근사할 수밖에 없어, 최종 정확도가 제한됩니다. 본 연구에서는 효율적으로 정확한 최적 해를 찾을 수 있는 QTO (Query Computation Tree Optimization)를 제안합니다. QTO는 트리 형태의 계산 그래프인 쿼리 계산 트리를 사용하여 전방-후방 전파를 통해 최적 해를 찾습니다. 특히, QTO는 쿼리 계산 트리에 인코딩된 독립성을 활용하여 탐색 공간을 줄입니다. 최적화 과정 중에는 로컬 계산만이 포함됩니다. 3개의 데이터셋에서 수행된 실험 결과, QTO는 복잡한 쿼리 응답에서 최신 성능을 달성하였으며, 이전 가장 좋은 결과보다 평균 22% 높은 성능을 보였습니다. 또한, QTO는 쿼리 내의 각 원자 단계에 대한 중간 해석을 90% 이상의 정확도로 제공할 수 있습니다. 본 논문의 코드는 https://github.com/bys0318/QTO 에서 확인할 수 있습니다.

지식 그래프에서 복잡한 논리 쿼리를 처리하기 위한 쿼리 계산 트리 최적화 방법 | 최신 연구 논문 | HyperAI초신경