상세 보기
LLMs 기반 추론 경로 자가보완을 통한 KGQA 효율성 향상을 위한 연구
Research on improving KGQA efficiency using self-enhancement of reasoning paths based on Large Language Models
- 서민지;
- 김명호
초록
본 연구에서는 KGQA의 답변 성능 및 설명력을 높이기 위해 제공된 추론 경로를 스스로 평가하고 보강하는 방법을 제안한다. 제안하는 방법에서는 LLMs와 GNN을 활용하여 질의와 관련된추론 경로를 지식 그래프에서 검색하였다. 검색된 추론 경로를 LLMs가 자가적으로 평가하여 보완이 필요하다고 판단될 경우, 질문과 관련된 외부 정보를 찾고 트리플로 변환하여 지식 그래프에 추가하였다. 이에 따라 LLMs가 보강된 트리플 셋을 통해 정답과 이유를 설명할 수 있도록 하였다. 추론 경로는 추론 결과 혹은 경로가 의미상으로 질문과 관계가 있는지 LLMs 스스로 평가하도록 하였으며, 텍스트 유사도를 통해 질문과 관련된 텍스트를 찾아내어 추론 경로를 보강하여LLMs가 기존보다 정확하게 질문에 대한 정답을 설명할 수 있도록 하였다. WebQuestion Semantic Parsing 데이터셋을 이용하여 제안 방법의 성능을 평가한 결과, 기존 방법으로 생성한 추론 경로보다 높은 정확도로 정답을 제공하고 더 많은 종류의 질문에 설명을 출력하는 것을 증명하였다.
키워드
Knowledge Graph Question Answering; Self-evaluation; Large Language Models; 지식 그래프 기반 질의응답; 자가 평가; 거대 언어 모델
- 제목
- LLMs 기반 추론 경로 자가보완을 통한 KGQA 효율성 향상을 위한 연구
- 제목 (타언어)
- Research on improving KGQA efficiency using self-enhancement of reasoning paths based on Large Language Models
- 저자
- 서민지; 김명호
- 발행일
- 2024-09
- 저널명
- 한국컴퓨터정보학회논문지
- 권
- 29
- 호
- 9
- 페이지
- 39 ~ 48