Resumen: La respuesta a preguntas en gráficos de conocimiento (KGQA) tiene como objetivo responder preguntas en lenguaje natural razonando sobre hechos estructurados. Los métodos KGQA de múltiples saltos existentes se basan principalmente en la expansión centrada en temas, lo que enfrenta dos desafíos clave: el espacio de búsqueda crece rápidamente con rutas ruidosas de tipo mixto, y las rutas recuperadas pueden no satisfacer las restricciones semánticas de preguntas complejas. Para abordar estos desafíos, proponemos OPI, un marco de inferencia de ruta de evidencia guiado por ontología para KGQA de múltiples saltos. OPI introduce un gráfico de ontología centrado en las relaciones para capturar las restricciones de tipo cabeza-cola de las relaciones, proporcionando una interfaz compacta para las restricciones del lado de la respuesta. Con base en este gráfico de ontología, OPI introduce primero un mecanismo de recuperación bidireccional al asignar el tipo de respuesta predicho a relaciones de salto final compatibles y combinar la expansión de prefijos del lado del tema con la coincidencia de salto final del lado de la respuesta, suprimiendo así la ruidosa expansión de tipo mixto. OPI adopta además una estrategia de refinamiento iterativo para reevaluar las rutas recuperadas y las respuestas de los candidatos en el contexto de la pregunta, filtrando evidencia compatible con el tipo pero irrelevante para la pregunta para una predicción de respuestas más confiable. Los experimentos en WebQSP, CWQ y MetaQA muestran que OPI reduce sustancialmente el espacio de búsqueda, mejora Hit@1/F1 en 4,6/5,0 puntos en WebQSP y 8,9/3,3 puntos en CWQ con respecto a los resultados anteriores más sólidos, y logra Hit@1 casi saturado en MetaQA con el módulo de recuperación solo.
Publicado originalmente en export.arxiv.org el 28 de junio de 2026.
Ver fuente original
