arXiv cs.CL· Ziyang Ling, Ziyi Chen, Ronald X. Xu, Mingzhai Sun·· 3 天前AI 评分22
ReSemReason：面向生物医学多跳问答的关系语义推理框架
Beyond Reachability: A Relation-Semantic Reasoning Framework for Biomedical Multi-hop QA
AI 导读
针对生物医学知识图谱多跳问答中"答案可达但证据无效"的问题，研究者提出 ReSemReason 框架，通过在候选发现与证据选择间共享问题诱导的类型化有向关系模式分布，并用 ReSemAttn 的关系条件键值投影与不确定性加权路径先验来筛选候选证据。在 BioHopR、PrimeKGQA 和 MedReason 上的实验显示，该方法在答案排序和答案集质量上均有提升。
正文 · AI 翻译
摘要：知识图谱上的生物医学多跳推理需要识别出支持答案的语义有效的关系序列。现有方法能够检索到正确答案，但在大量看似相关的候选答案中往往对其排序不佳。即使检索到了正确答案，其关联的证据和推理路径也可能无法支持问题所需的关系组合。我们将答案可达性与证据有效性之间的这种脱节称为可达但无效问题。我们提出了 ReSemReason，它在候选发现与证据选择之间共享一个由问题诱导的、关于类型化有向关系模式的分布。模式兼容性引导图搜索；ReSemAttn 随后使用关系条件化的键/值投影和不确定性加权路径先验来关注候选特定的证据。当所有检索到的路径都很弱时，一个单独的绝对支持分数对归一化注意力进行补充。在 BioHopR、PrimeKGQA 和 MedReason 上报告的实验显示，答案排序和答案集质量均有提升。路径判别分析考察了端点正确性与证据支持之间的区别。我们还为搜索、注意力和模式不确定性指定了匹配的对照。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.19754 [cs.CL] |
| （或 arXiv:2610.19754v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19754 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ziyi Chen [查看电子邮件]
[v1]
2026年10月14日星期三 08:09:02 UTC（7,137 KB）
来源：arXiv cs.CL · arxiv.org