09:56arXiv cs.LG@Hamed Shirzad, Frederik Wenkel, Dominique Beaini, Danica J. Sutherland, Emmanuel Noutahi精选知识图谱结构不规则,传统检索方法在组合查询上表现不佳。SeedER 提出一种两阶段检索框架:先用轻量级检索选取核心节点作为种子,再通过强化学习训练的策略进行选择性扩展。该方法将全局推理分解为可复用的局部决策,在控制成本的同时显著提升召回率。实验表明,SeedER 在组合泛化和图约束子模优化方面优于强基线,适合作为知识密集型推理系统的第一阶段检索器。论文知识图谱检索框架强化学习组合查询SeedER推荐理由:做知识图谱检索或知识密集型推理的团队,SeedER 提供了一种低成本高召回的新思路,值得关注其强化学习驱动的扩展策略。原文