本文提出了一种基于BFS的边权GAT模型，以解决知识图谱问答(KGQA)中现有图注意力网络(GAT)未能充分反映知识图谱的结构特征的局限性。该模型以正确实体为基准进行BFS搜索以计算结构距离，并通过实体映射信息计算语义完整性，然后将其直接整合到注意力机制中。此外，本文引入了一种针对存在多个答案的环境优化的Best-Rank评估方法，以公正地评估模型性能。使用WebQSP数据集进行的实验结果显示，所提模型获得了0.4263的Best-Rank MRR，相比纯GAT和各种GNN模型的性能有所提升。这证明了在注意力机制中反映基于边的结构信息的方法对提升KGQA性能的有效性。未来，该模型可以与提取的推理路径结合LLM，拓展为可解释的XAI。
Park等人（星期二）研究了这个问题。