A*Net 与 NBFNet 在知识图谱上学习负面模式
人工智能
2024-12-09 v1
摘要
在本技术报告中，我们调查了基于规则的方法与 GNN 架构 NBFNet 和 A*Net 在知识图谱完成任务中的预测性能差异。对于两个最常见的基准数据集，我们发现性能差异的相当比例可以用每个数据集上隐藏的唯一负面模式来解释，这一模式对基于规则的方法而言是不可见的。我们的发现为知识图谱完成不同模型类别的性能差异提供了独特视角：模型可以通过对错误事实的得分进行惩罚来实现预测性能优势，而非为正确事实提供高得分。
引用
@article{arxiv.2412.05114,
title = {A*Net and NBFNet Learn Negative Patterns on Knowledge Graphs},
author = {Patrick Betz and Nathanael Stelzner and Christian Meilicke and Heiner Stuckenschmidt and Christian Bartelt},
journal= {arXiv preprint arXiv:2412.05114},
year = {2024}
}