ChatKBQA: 지식 기반 질문 응답을 위한 미세 조정된 대형 언어 모델의 생성-검색 프레임워크

지식 기반 질문 응답(KBQA)은 대규모 지식 기반(KBs)에서 자연어 질문에 답하는 것을 목표로 하며, 이는 두 가지 핵심 단계로 요약될 수 있습니다: 지식 검색과 의미 해석입니다. 그러나 세 가지 주요 과제가 남아 있습니다: 비효율적인 지식 검색, 검색 오류가 의미 해석에 부정적으로 영향을 미치는 문제, 그리고 이전 KBQA 방법의 복잡성입니다. 이러한 과제를 해결하기 위해, 우리는 새로운이고 간단한 생성-검색 KBQA 프레임워크인 ChatKBQA를 소개합니다. 이 프레임워크는 먼저 미세 조정된 대형 언어 모델(LLMs)을 사용하여 논리적 형태를 생성하고, 그 다음에는 비지도 검색 방법을 통해 엔티티와 관계를 검색 및 교체하여 생성과 검색을 보다 직접적으로 개선하는 방안을 제안합니다. 실험 결과 ChatKBQA는 표준 KBQA 데이터셋인 WebQSP와 CWQ에서 새로운 최고 성능을 달성했습니다. 본 연구는 또한 LLMs와 지식 그래프(KGs)를 결합하여 해석 가능하고 지식이 필요한 질문 응답을 수행하는 새로운 패러다임으로 여겨질 수 있습니다. 우리의 코드는 공개적으로 이용 가능합니다.