LLM推論重要度 ★9

FedV-KGQA: 垂直分割知識グラフにおけるマルチホップ質問応答

FedV-KGQA: Multi-Hop Question Answering over Vertically Partitioned Knowledge Graphs

https://export.arxiv.org/api/query·2026/8/25

AI要約

データ主権制約下で分散する知識グラフ上の多段質問応答を実現するFedV-KGQAフレームワークを提案。組織間でエンティティを共有しつつ関係性を分離するシナリオに対応し、ローカル推論とグローバルな知識集約を組み合わせる。

AI要点

FedV-KGQAは、垂直分割された知識グラフ（Vertical Partitioned Knowledge Graphs）におけるマルチホップ質問応答フレームワークである。
組織間でエンティティは共有するが、関係（Relations）は分割されている知識グラフに対応する。
ローカルグラフ拡張と知識グラフ埋め込みを組み合わせ、機密データ（Raw triples, relation parameters）を外部に出さない。
トピックエンティティアンカリングにより、実行時通信なしで質問を正しいグラフ領域に紐づける。
中央集権型システムに近い性能を示し、3ホップ推論や未知のグラフへの汎化性能も確認された。

なぜ重要か

FedV-KGQAは、データ主権やガバナンス制約下で分散した知識グラフに対し、機密性を保ちながらマルチホップQAを実現する画期的なアプローチであり、プライバシー保護とデータ連携の両立に貢献する。