멀티홉 지식 그래프 질의응답을 위한 온톨로지 가이드 증거 경로 추론

지식 그래프 질의응답 (KGQA)은 구조화된 사실을 바탕으로 추론하여 자연어 질문에 답하는 것을 목표로 합니다. 기존의 멀티홉 (multi-hop) KGQA 방법들은 주로 주제 중심 확장 (topic-centered expansion)에 의존하는데, 이는 두 가지 주요 과제에 직면해 있습니다: 노이즈가 있는 혼합 유형 경로 (mixed-type paths)로 인해 탐색 공간이 급격히 증가한다는 점과, 검색된 경로가 복잡한 질문의 의미론적 제약 조건을 충족하지 못할 수 있다는 점입니다. 이러한 과제를 해결하기 위해, 우리는 멀티홉 KGQA를 위한 온톨로지 가이드 증거 경로 추론 프레임워크인 OPI를 제안합니다. OPI는 관계의 머리-꼬리 유형 제약 (head-tail type constraints)을 포착하기 위해 관계 중심 온톨로지 그래프 (relation-centric ontology graph)를 도입하여, 정답 측 제약 조건을 위한 압축된 인터페이스를 제공합니다. 이 온톨로지 그래프를 기반으로, OPI는 먼저 예측된 정답 유형을 호환 가능한 최종 홉 관계 (final-hop relations)에 매핑하고, 주제 측 접두사 확장 (topic-side prefix expansion)과 정답 측 최종 홉 매칭 (answer-side final-hop matching)을 결합함으로써 양방향 검색 메커니즘을 도입하여 노이즈가 있는 혼합 유형 확장을 억제합니다. 나아가 OPI는 질문 문맥 하에서 검색된 경로와 후보 정답을 재평가하는 반복적 정제 (iterative refinement) 전략을 채택하여, 유형은 일치하지만 질문과 무관한 증거를 필터링함으로써 더욱 신뢰할 수 있는 정답 예측을 수행합니다. WebQSP, CWQ, MetaQA에 대한 실험 결과, OPI는 탐색 공간을 실질적으로 줄였으며, 기존의 가장 강력한 결과 대비 WebQSP에서는 Hit@1/F1을 각각 4.6/5.0 포인트, CWQ에서는 8.9/3.3 포인트 향상시켰고, MetaQA에서는 검색 모듈만으로도 거의 포화 상태에 가까운 Hit@1을 달성했습니다.