Conformal Path Reasoning: 경로 수준 보정을 통한 신뢰할 수 있는 지식 그래프 질의응답

요약

본 논문은 지식 그래프 질의응답(KGQA) 시스템에서 답변의 신뢰성 및 커버리지를 보장하는 새로운 프레임워크인 'Conformal Path Reasoning (CPR)'을 제안합니다. 기존 KGQA 접근 방식들은 검색된 답변에 대한 통계적 신뢰성을 제공하지 못하고, Conformal Prediction(CP) 기반 방법들 역시 보정 유효성과 점수 판별력 문제로 인해 커버리지 보장이 어렵다는 한계를 가졌습니다. CPR은 이러한 문제를 해결하여, 경로 수준에서 정확한 통계적 보장을 통해 더욱 신뢰할 수 있는 KGQA를 구현하는 것을 목표로 합니다.

핵심 포인트

• KGQA는 근거 기반 추론에 유망하지만, 기존 방법들은 답변의 신뢰성 및 커버리지 보장이 부족하다.
• Conformal Prediction(CP)은 통계적 예측 집합을 제공하나, 이전 연구들은 보정 유효성과 점수 판별력 문제로 인해 한계를 가졌다.
• 제안된 Conformal Path Reasoning (CPR) 프레임워크는 경로 수준에서 혁신적인 접근 방식을 도입하여 신뢰할 수 있는 KGQA를 구현한다.
• CPR은 기존 CP 방법들이 겪던 커버리지 위반 및 과도한 예측 집합 문제를 해결하는 데 중점을 둔다.