Jun, 2024

路径形成器：递归路径查询编码用于复杂逻辑查询回答

PDF
TL;DR基于树状计算图的神经单点嵌入方法 Pathformer 提出，充分利用未来的上下文信息以显式建模路径查询的各个部分之间的复杂交互关系，并在实验中显示 Pathformer 优于现有的竞争神经查询嵌入方法，具有应用于非单点嵌入空间的潜力。
complex logical query answeringquery embeddingtransformer architecturepathformerfuture context information
发现论文，激发创造
  • 知识图谱上的复杂查询回答的顺序查询编码

    本文提出了顺序查询编码 (SQE) 来替代 CQA 的查询编码方法，并证明了在 FB15k、FB15k-237 和 NELL 等数据集上，SQE 在处理逻辑查询时表现优异。

    Feb, 2023

  • 复杂查询回答的条件逻辑消息传递变形器

    该论文提出了一种名为 “条件逻辑消息传递转换器” 的新型神经网络模型，通过使用预训练的神经链接预测器来在常量和变量之间进行条件性的消息传递，并通过自注意机制显式建模各个元素之间的逻辑依赖关系，从而降低计算成本并实现了新的领先的神经网络复杂查询回答模型。

    Feb, 2024

  • Query2Triple: 统一查询编码以回答知识图谱上的多样复杂查询

    通过将训练分为两个阶段，分别在简单查询和复杂查询上进行训练，我们提出了一种名为 Q2T 的新方法，通过预测尾部实体来进行简单查询的预训练，并在复杂查询上训练查询编码器，将不同的复杂查询编码为统一的三元组形式，从而在不需要显式建模神经集合运算符的情况下，在三个公共基准测试上实现了最先进的性能。

    Oct, 2023

  • 知识图谱逻辑查询的神经符号模型

    本文提出了一种名为 GNN-QE 的神经符号模型，用于回答复杂的一阶逻辑查询，在解决神经方法推理难以解释的问题的同时，取得了较显著的实验成果。

    May, 2022

  • NQE: 超关系知识图谱复杂查询答案的 N 元查询嵌入

    本文提出了一种新的 n 元查询嵌入模型（NQE）用于超关系知识图上的复杂查询答案，包括存在量化器、合取、析取和否定，并提出一种新的 CQA 数据集（WD50K-NFOL），实验证明其是超关系知识图上最先进的 CQA 方法。

    Nov, 2022

  • 使用一次传递推理的逻辑信息传递网络在原子公式上

    我们提出了一种简单的复杂查询方法，通过将复杂查询表示为查询图并使用逻辑信息传递神经网络，将知识图谱嵌入分解为本地推理和全局推理，实现了对各种类型的查询的复杂推理和新的最先进的神经查询应答模型。

    Jan, 2023

  • SQLformer：面向文本到 SQL 转换的深度自回归查询图生成

    通过引入 SQLformer，一种专门设计用于执行文本到 SQL 转换任务的新型 Transformer 架构，我们的模型能够通过以自然语言问题与相应的 SQL 查询的对齐解决，生成以广度优先搜索规范顺序表示的 SQL 查询 ASTs 的图，并在多个实验中展示出其在具有挑战性的文本到 SQL Spider 基准测试中的最先进性能。

    Oct, 2023

  • 用于复杂查询答案的神经符号纠缠框架

    提出了一种神经符号交织的（ENeSy）复杂查询答案框架，该框架能够在神经和符号推理结果的基础上分别回答和集成查询，通过压缩和整合基本运算符和链接预测提高了复杂查询的效果，并应用于多项基准测试。

    Sep, 2022

  • 序列到序列的知识图谱补全与问答

    本研究使用 Transformer 模型代替传统知识图谱嵌入模型 (KGE) 的原子嵌入表示，将 KG link prediction 问题转化为序列到序列任务以及使用自回归解码。相比于传统 KGE 模型，这种简单而强大的方法在保持推理时间可控的同时，将模型大小减少了多达 98％，在不进行过多超参数调整的情况下，在多个大型数据集上的表现优于基线。

    Mar, 2022

  • Logiformer：一种用于解释性逻辑推理的双分支图转换器网络

    Logiformer 是采用图形变换器网络的端到端模型，具有解决逻辑推理中长距离依赖性问题和将离散逻辑结构映射到连续文本嵌入空间的优点，介绍了不同的逻辑单位抽取策略，采用动态门机制和问题感知的自我注意模块在答案预测之前更新特征，其推理过程利用逻辑单位提供了可解释性，实验证明其优于现有最先进的单一模型在两个逻辑推理基准测试上的性能。

    May, 2022