연구진은 다중 홉 지식 그래프 질의 응답(KGQA)의 성능을 높이기 위해 OPI 프레임워크를 제안했어요. OPI는 관계 중심 온톨로지 그래프를 활용해 관계의 헤드-테일 타입 제약 조건을 반영하고, 불필요한 경로 탐색을 줄여요.
OPI는 질문 맥락에서 재검토하는 반복 정제 전략을 통해 질문과 관련 없는 증거를 걸러내 더 신뢰성 있는 답변 예측을 가능하게 해요.
WebQSP, CWQ, MetaQA 데이터셋 실험 결과, OPI는 기존 최고 성능보다 Hit@1/F1 점수가 각각 4.6/5.0점, 8.9/3.3점 향상되는 성과를 거두었어요.