RConE: Embedding de Cono Rústico para Respuestas Lógicas de Consultas Multi-Salto en Grafos de Conocimiento Multi-Modal

La respuesta a consultas multi-salto sobre un Grafo de Conocimiento (KG) implica recorrer uno o más saltos desde el nodo inicial para responder a una consulta. Los métodos basados en rutas y los métodos basados en lógica son estado del arte para la respuesta a preguntas multi-salto. El primero se utiliza en tareas de predicción de enlaces. El segundo es para responder consultas lógicas complejas. La técnica lógica de consulta multi-salto incrusta el KG y las consultas en el mismo espacio de incrustación. El trabajo existente incorpora operadores de Lógica de Primer Orden (FOL), tales como conjunción (), disyunción () y negación (), en las consultas. Aunque los modelos actuales tienen la mayoría de los elementos necesarios para ejecutar las consultas FOL, no pueden usar la información densa de entidades multi-modales en el caso de Grafos de Conocimiento Multi-Modal (MMKGs). Proponemos RConE, un método de incrustación para capturar la información multi-modal necesaria para responder a una consulta. El modelo primero preselecciona entidades candidatas (multi-modales) que contienen la respuesta. Luego encuentra la solución (sub-entidades) dentro de esas entidades. Varios trabajos existentes abordan la respuesta a preguntas basada en rutas en MMKGs. Sin embargo, hasta donde sabemos, somos los primeros en introducir construcciones lógicas en consultas sobre MMKGs y en responder consultas que involucran sub-entidades de entidades multi-modales como respuesta. Una evaluación extensa de cuatro MMKGs disponibles públicamente indica que RConE supera el estado del arte actual.