返回
MMD-TKGR: Multi-agent Multi-round Debate for Temporal Knowledge Graph Reasoning
DOI:10.1007/978-981-95-3343-5_15.png)
摘要
En 中文
时序知识图谱推理(TKGR)旨在通过利用时序知识图谱中的历史事实来预测未来事件或关系。通过整合知识图谱的结构化语义与时间动态,TKGR非常适合涉及时间依赖推理的任务,如时序关系抽取和事件预测。近年来,大型语言模型(LLMs)在TKGR中的应用日益增多。然而,单个LLM代理通常难以有效处理复杂推理任务,这主要归因于其相对狭窄的推理视角和浅层推理深度。为应对这些挑战,本文提出了一种用于时序知识图谱推理的多代理多轮辩论框架(MMD-TKGR)。该框架通过引入关系-时间协同检索机制,优化了特定查询的历史上下文构建;同时,基于多代理协作的辩论结构动态校准预测结果并增强其可解释性。实验结果表明,所提出的方法在多个基准数据集上显著优于现有方法。
Keyword:
Temporal Knowledge Graph Reasoning
Large Language Models
Multi-Agent Debate
期刊
N
IF:
0
论文数:
37
被引数:
0
机构
引用论文
ReConcile: Round-Table Conference Improves Reasoning via Consensus among Diverse LLMsReConcile:通过多样化大语言模型之间的共识,圆桌会议改进推理

