KoPL具有以下四点优势：
- 注重过程：KoPL拆解问题的过程结果都是可见的，而SPARQL是无法定位中间过程的。
- 符合人类思维：KoPL是一种过程性语言，将一个问题拆分为多个简单问题，然后组合进行解决。
- 操作具有良好的可组合性：我们将知识图谱的复杂问答拆分为20多个简单操作，这些操作能够互相组合来解决各种各样的问题。
- 可以面向多种知识来源：除了结构化数据外，还可以对非结构化的文本数据进行操作，比如KoPL还可以对Wikipedia的非结构化文本，描述文本问答的复杂问题的解决过程。
2. 大规模知识库问答数据集——KQA Pro
基于KoPL的基本操作与组合，我们能够大规模地生成复杂问题，具体生成的策略有四个。第一个策略是模板，比如针对比较类型问题定义这样的模板“<>和<>谁的<属性>更<大/小>”，询问两个人的身高更高就可以套用这个模板，我们可以对这样的模板填充各种实体和属性得到不同的问题。第二个策略是采样，根据第一个策略得到的模板，我们在知识库中进行采样，然后对模板中空缺的位置进行填空，得到不同的问题。第三个策略是组合，根据KoPL的基本操作，我们可以做各种各样的排列组合得到不同的问题。第四个策略是递归，对于问题中已有的实体，我们对其进行递归拆解，增加问题的复杂度，比如将问题“勒布朗·詹姆斯和布朗尼·詹姆斯谁更高？”中的“布朗尼·詹姆斯”使用关系描述为“勒布朗·詹姆斯的儿子”，那么问题就会变为“勒布朗·詹姆斯和勒布朗·詹姆斯的儿子谁更高？”，这样问题的复杂度也就变高了。
基于这四种策略，我们可以生成大量多样化的高复杂度问题。
最终每个样例生成5个元素，由模板得到的问题，回答问题使用的SPARQL，问题拆解的KoPL，10个候选答案以及标准答案。
