Simple questions are the most common type of questions used for evaluating a knowledge graph question answering (KGQA). A simple question is a question whose answer can be captured by a factoid statement with one relation or predicate. Knowledge graph question answering (KGQA) systems are systems whose aim is to automatically answer natural language questions (NLQs) over knowledge graphs (KGs). There are varieties of researches with different approaches in this area. However, the lack of a comprehensive study to focus on addressing simple questions from all aspects is tangible. In this paper, we present a comprehensive survey of answering simple questions to classify available techniques and compare their advantages and drawbacks in order to have better insights of existing issues and recommendations to direct future works.

Wikidata adalah sebuah knowldege graph (KG) yang mengalami perkembangan sangat pesat. Hal ini disebabkan oleh dua hal. Pertama, data pada Wikidata dapat diakses dan diedit oleh siapa pun. Kedua, fitur multibahasa yang ditawarkan oleh Wikidata. Fitur multibahasa ini memungkinkan data (entitas) dalam Wikidata dapat diakses menggunakan berbagai bahasa di dunia. Namun, ketidaklengkapan informasi sebuah data Wikidata secara multibahasa masih menjadi isu penting dalam fitur ini. Sebagai contoh, deskripsi dari data “bada reuteuk” dengan identitas (ID) “Q100606305” hanya tersedia dalam bahasa Indonesia saja, yaitu “makanan khas di Indonesia”, tetapi tidak tersedia dalam bahasa lain. Dengan demikian, data tentang “bada reuteuk” tidak dapat dikenali dalam bahasa selain bahasa Indonesia. Untuk mengatasi permasalahan ketidaklengkapan data Wikidata secara multibahasa tersebut, diusulkan sebuah alat yang bernama MULTI-WD. Sistem ini dibangun menggunakan dua fitur utama, yaitu pemrofilan bahasa dan penerjemahan data. Pemrofilan data dilakukan menggunakan kueri SPARQL dengan memanfaatkan API Wikidata. Pemrofilan data ini berfungsi untuk menampilkan profil data Wikidata dari sisi kemultibahasaannya. Sementara itu, untuk penerjemahan data, digunakan pustaka penerjemah bernama Translated Labs. Translated Labs dipilih karena sifatnya yang terbuka dan gratis serta hasil terjemahannya yang cukup baik. Hasil terjemahan kemudian dapat disimpan ke Wikidata. Pengujian sistem dilakukan oleh lima responden dari komunitas Wikidata dengan menggunakan pendekatan black box. Hasil pengujian menunjukkan bahwa fungsi utama MULTI-WD, seperti pemilihan kategori, penampilan statistik data, penerjemahan dan pembaruan data, dapat berjalan 100% serta mencapai efisiensi penerjemahan data hingga 300%, dibandingkan dengan penerjemahan data secara manual atau langsung dari laman Wikidata.