摘要
复杂查询回答是不完全知识图谱上的关键推理任务。针对含 k 个自由变量的存在一阶逻辑查询，现有方法因枚举空间爆炸而依赖边缘排序，无法准确反映元组联合排名。本文提出神经可扩展符号搜索（NS3）框架，通过回答边缘子查询获取候选集，将多自由变量合并为超节点并利用动态预算剪枝，逐步将高维查询降维。实验表明，NS3 在三个数据集上显著提升了联合排序性能，同时保持优异的边缘准确率，并发布了新的多变量联合排序基准。
AI 推荐理由
论文核心解决知识图谱上的复杂逻辑查询与推理问题，提出神经符号搜索框架优化多变量联合排序。
研究机构
Department of Mathematical Sciences, Tsinghua University, Beijing, China
Squarepoint Capital, Singapore, Singapore
TSY Capital, Hong Kong, Hong Kong
Department of Computer Sciences, University of Rochester, New York, USA
Department of Computer Science and Engineering, HKUST, Hong Kong, Hong Kong
论文信息