SAGA：面向智能体文本到SPARQL生成的模式感知接地

SAGA是一种面向智能体文本到SPARQL生成的训练无关框架，通过模式感知接地技术将属性探索转化为类型约束下的操作。它维护持久双向类型状态，在构造时过滤不兼容候选，并以紧凑格式呈现图模式。在Wikidata和Freebase的九个基准设置中，SAGA取得了最高结果。

此前agent主要通过词汇相关性或实例级观察检索属性，未系统考虑实体类型、属性域和范围，导致搜索空间扩大并产生语义不兼容的三元组（空结果）。SAGA在构造时引入类型约束过滤不兼容候选，从根本上降低了无效生成的概率。

SAGA维护一个持久双向类型状态，在每次属性探索时依据实体类型和属性域范围筛选候选；将剩余图模式以紧凑的模式注释格式呈现；对缺失模式信息采用经验和轨迹局部证据宽松处理。这种机制避免了类型盲接地，使agent在交互中逐步构建语义正确的SPARQL查询。

SAGA无需训练即可集成到现有知识库问答产品中，提升对话式数据分析工具在复杂查询上的准确率，减少因类型不匹配导致的空结果，降低研发中调试查询生成逻辑的成本。

• 在企业知识库搜索引擎中加入SAGA类型的预过滤步骤，提升SPARQL查询准确率。
• 为低代码数据分析平台提供基于SAGA的语义解析插件，减少用户手动编写查询的工作量。
• 在现有对话式AI工具中集成类型感知接地模块，改善对结构化数据的自然语言问答体验。

• SAGA是否依赖完整、准确的知识库模式信息？模式缺失时性能下降多少？
• 与有监督的端到端语义解析方法相比，SAGA在准确率和延迟上差距多大？
• 该框架仅测试了Wikidata和Freebase，其他类型知识库（如企业专有库）上表现未知。