Large Language Models Meet Knowledge Graphs for Question Answering: Synthesis and Opportunities
| 項目 | 内容 |
|---|---|
| 論文ID | P12 |
| 区分・分類 | 論文・枠組み・サーベイ |
| 著者・所属 | Chuangtao Ma（Aalborg University, Denmark）、Yongrui Chen（Southeast University, China）、Tianxing Wu（Southeast University, China）、Arijit Khan（Bowling Green State University, USA / Aalborg University）、Haofen Wang（Tongji University, China） |
| 発表先 | Conference on Empirical Methods in Natural Language Processing (EMNLP 2025) |
| 発表日 | 2025-11 |
| 引用数 | 23（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.18653/v1/2025.emnlp-main.1249 |
| 論文/pdf/P12.pdf | |
| 読んだ範囲 | 全文 |
論文タイプ
サーベイ。LLMとKG（知識グラフ）を組み合わせたQA手法を新しい分類体系（taxonomy）で整理し、評価指標・ベンチマーク・応用・未解決課題をまとめた論文。独自手法の提案や実験は無い。
研究の目標
LLMはQAで高性能だが、複雑なQAでは (1) 推論能力の限界、(2) 最新知識・ドメイン知識の欠如、(3) ハルシネーション、で行き詰まる。RAGで改善しても、(1) LLM内部知識と外部知識の衝突（knowledge conflicts）、(2) 検索コンテキストの関連性・品質の低さ、(3) 反復的・マルチホップ推論の欠如、が残る。近年のLLM+KG統合（GraphRAG、KG-RAG等）がこれらに対処しつつあるため、本論文は以下を目標とする。
| 貢献 | 内容 |
|---|---|
| 1 | QAの種類と「KGがLLM統合時に果たす役割」の2軸で、LLM+KG for QA の手法を分類する構造化taxonomyを提案 |
| 2 | 各カテゴリのSOTA手法をレビューし、強み・限界・KGへの要件を比較 |
| 3 | 各アプローチと複雑QAの対応付け（alignment）を示し、どの課題をどう解決するかを議論 |
| 4 | 評価指標・ベンチマーク・産業/科学応用を整理し、未解決課題と機会を提示 |
既存の8本のサーベイ（Pan et al. 2024/2023、Kau et al. 2024 等）との違いは「KGの役割」の視点からQAを俯瞰する点で、Table 1ではKGs・LLMs・LLMs+KGs・GraphRAG・QAの5観点すべてを扱うのは本論文のみとしている。
技術的なやり方
論文選定：Google Scholar と PaSa で "knowledge graph and language model for question answering"、"KG and LLM for QA" を検索し2021年以降の論文を収集（ベンチマーク論文は2016年まで遡る）。関連性と発表先の質で選別。
軸1：複雑QAの分類（§2）
| QA種別 | 技術課題 | 代表手法 |
|---|---|---|
| Multi-document QA | 複数文書からの効率的・効果的な知識検索 | KGP、CuriousLLM、VisDom |
| Multi-modal QA | 視覚・テキスト等のモダリティ横断検索（VQAが典型） | MMJG、RAMQA、KVQA |
| Multi-hop QA | 質問分解→単一ホップ回答→統合の多段推論 | GraphLLM、HOLMES、GMeLLo |
| Conversational QA | 多ターンの質問・中間対話の理解 | CoRnNetA、LLMs-Graph-Reasoning、SELF-multi-RAG |
| Explainable QA (XQA) | KG上の推論に基づく説明の生成 | RoHT、EXPLAIGNN、RID |
| Temporal QA | 暗黙の時間制約の理解と時間的知識の統合 | TimeR4、GenTKGQA、KG-IRAG |
軸2：KGの役割による分類（§3）
| KGの役割 | サブカテゴリ | 仕組み | 代表手法 |
|---|---|---|---|
| Background Knowledge | Knowledge Integration and Fusion | サブグラフ抽出・エンティティリンクでテキストとKGを対応付け、cross-model encoderで双方向融合して共同学習／fine-tuning | InfuserKI、KEFF、KnowLA、KG-Adapter、GAIL |
| 〃 | Retrieval Augmented Generation | テキストチャンクではなくグラフから直接関連知識を検索しLLMに与える（Graph RAG、KG-RAG） | GRAG、LEGO-GraphRAG、KG-RAG、KG2RAG |
| Reasoning Guidelines | Offline KG Guidelines | LLMの推論前にKGが候補パス・サブグラフを供給し、LLMが選択 | SR、Keqing、EtD、GCR、KELDaR |
| 〃 | Online KG Guidelines | KGがLLMの推論過程に直接関与（反復ビームサーチ、random walk等） | Oreo、KBIGER、LLM-ARK、ToG、ToG-2、KG-CoT、HippoRAG |
| 〃 | Agent-based KG Guidelines | AgentのコンポーネントとしてKGを組み込み、ツール選択・メモリ更新・反省を行う | KG-Agent、ODA、GREASELM、PoG、ATOMR |
| Refiners and Validators | KG-Driven Filtering and Validation | KGの検証済み知識で候補回答をフィルタ・再ランク・検証 | ACT-Selection、Q-KGR、KG-Rank、KGR |
| 〃 | KG-Augmented Output Refinement | KG由来の要約・計画データ・ユーザーフィードバックでLLM出力を精緻化 | EFSUM、InteractiveKBQA、LPKG |
| Advancements | Hybrid Method | KGが複数の役割を同時に担う | KG-RAG (Sanmartin)、LongRAG、KG-Rank、FRAG、KGQA (Ji et al.) |
| 〃 | Optimization | Index-based（PG-RAG 等）、Prompt-based（KGP 等）、Cost-based（SPOKE KG-RAG 等）の3種で効率化 | 左記 |
両軸のカテゴリは排他的ではなく、1つの研究が複数カテゴリに属しうると著者が明記。
評価（§4・Appendix E）：評価指標を Answer Quality (AnsQ)、Retrieval Quality (RetQ)、Reasoning Quality (ReaQ) の3群に整理（例：AnsQ＝BERTScore、hallucination、RetQ＝context relevance、faithfulness、MRR、NDCG、ReaQ＝Hop-Acc、reasoning accuracy）。Table 8 で26件のベンチマーク（WebQSP、MedQA、MINTQA、FanOutQA、M3SciQA、TempTabQA、STaRK、CoConflictQA、BlendQA 等）を3観点に対し「主目的／適用可能／非対応」で分類。
応用例（Appendix E.2）：KAG（Ant Group）、PIKE-RAG（Microsoft）、GraphRAG-QA（NebulaGraph）、MedRAG（Nanyang Technological University 等、医療copilot）、Fact Finder（Fraunhofer IAIS・Bayer）、AprèsCoT（University of Waterloo、CoT推論の可視化）。
結果
数値なし（サーベイのため実験結果は無い）。論文にある定性的な比較は以下。
KGの役割別の強み・限界・KG要件（Table 2）
| アプローチ | 強み | 限界 | KGへの要件 |
|---|---|---|---|
| KG as Background Knowledge | 広いカバレッジ | 静的知識 | 高いドメインカバレッジ |
| KG as Reasoning Guidelines | マルチホップ能力 | 計算オーバーヘッド | 豊富な関係パス |
| KG as Refiners and Validator | ハルシネーション低減 | 検証のレイテンシ | 高い正確性と鮮度 |
| Hybrid Approach | 各限界の緩和 | 高い計算コスト | 動的適応 |
アプローチ×複雑QAの研究進展（Table 7） ●＝十分に研究済、△＝部分的、×＝未着手
| アプローチ | Multi-doc | Multi-modal | Multi-hop | Conversational | XQA | Temporal |
|---|---|---|---|---|---|---|
| Background Knowledge | ● | ● | ● | ● | △ | ● |
| Reasoning Guidelines | ● | ● | ● | × | ● | ● |
| Refiners and Validator | △ | × | △ | ● | × | △ |
| Hybrid Methods | ● | ● | ● | ● | ● | ● |
各アプローチに残る中心課題（著者）：Background Knowledge＝大規模KGからの検索と知識衝突なき融合、Reasoning Guidelines＝大規模グラフ上の推論効率と不完全KG下の推論、Refiners and Validators＝中間回答とKG事実の衝突処理とKGの増分更新、Hybrid＝大規模KGの効率的なベクトル索引とコスト対性能のバランス。
未解決課題と機会（§5）
| テーマ | 方向 |
|---|---|
| Scaling to both Effectiveness and Efficiency | 構造を意識した検索（階層グラフ分割・動的近傍拡張）、推論の償却（サブグラフのキャッシュ・中間埋め込みの再利用）、軽量な回答検証（確率論理プログラム・bloom filter・不確実性推定） |
| Knowledge Alignment and Dynamic Integration | LLMのパラメトリック知識とKGの記号的知識の整合度の定量化、リアルタイム更新（graph delta対応LoRA・時間索引付きストリーミングKG）、衝突の検出・解決（Bayesian trust network・multi-agent debate） |
| Explainable and Fairness-Aware QA | サブグラフ上の推論の説明、公平性を考慮した検索（バイアス検出による再ランク・counterfactual prompting）、説明可能な多ターン対話型QA |
限界・課題
著者自身が述べる限界（Limitations節）：
- 本分野の急速な拡大により、新しく公開された研究を見落としている可能性がある
- 2つのtaxonomy（QA種別・KGの役割）は排他的でなく、重複が生じうる
- 実装詳細の違い、ベンチマークの多様性、評価指標の非標準化のため、手法間の定量的・実験的な比較評価を十分に扱っていない
要点
LLM+KGによるQA手法を「複雑QAの6種別」×「KGの役割4種（背景知識／推論ガイド／精緻化・検証／ハイブリッド）」で整理したサーベイ。 役割ごとの強み・限界・KG要件と、未開拓の組合せ（Reasoning Guidelines×Conversational、Refiners×Multi-modal/XQA）を一覧化した。 残る課題は大規模KG上の検索・推論の効率化、KGの動的更新と知識衝突の解決、説明可能性と公平性。