基于知识图谱关系 Weisfeiler-Leman 的链接预测理论
机器学习
2023-10-27 v4 人工智能
摘要
图神经网络是图结构数据上表示学习的重要模型。虽然这些模型的能力和局限性在简单图上已得到充分理解，但我们在知识图谱背景下的理解仍不完整。我们的目标是为知识图谱的图神经网络提供一个系统性的理解，特别是针对突出的链接预测任务。我们的分析包含了对看似无关的模型的统一视角，并解锁了一系列其他模型。各种模型的表达能力通过相应的关系 Weisfeiler-Leman 算法来刻画。这一分析被扩展，以提供对一类图神经网络所捕获的函数类的精确逻辑刻画。本文提出的理论发现解释了一些广泛采用的实用设计选择的好处，并通过实验进行了验证。
引用
@article{arxiv.2302.02209,
title = {A Theory of Link Prediction via Relational Weisfeiler-Leman on Knowledge Graphs},
author = {Xingyue Huang and Miguel Romero Orth and İsmail İlkan Ceylan and Pablo Barceló},
journal= {arXiv preprint arXiv:2302.02209},
year = {2023}
}
备注
Proceedings of the Thirty-Seventh Annual Conference on Advances in Neural Information Processing Systems (NeurIPS 2023). Code available at: https://github.com/HxyScotthuang/CMPNN