面向EL++知识库的忠实嵌入
人工智能
2022-09-23 v2 机器学习
计算机科学中的逻辑
摘要
近年来，为符号化知识库（KB）学习连续表示的努力日益增加。然而，这些方法要么仅嵌入数据级知识（ABox），要么在处理概念级知识（TBox）时存在固有局限性，即它们无法忠实地建模知识库中存在的逻辑结构。我们提出了BoxEL，一种几何知识库嵌入方法，能够更好地捕捉描述逻辑EL++中的逻辑结构（即ABox和TBox公理）。BoxEL将知识库中的概念建模为适合建模概念交集的轴平行盒，将实体建模为盒内的点，并将概念/实体之间的关系建模为仿射变换。我们展示了BoxEL在保留逻辑结构方面的理论保证（可靠性）。即，损失为0的BoxEL嵌入学习模型是知识库的一个（逻辑）模型。在（似然）包含推理和蛋白质-蛋白质预测的实际应用上的实验结果表明，BoxEL优于传统的知识图谱嵌入方法以及最先进的EL++嵌入方法。
引用
@article{arxiv.2201.09919,
title = {Faithiful Embeddings for EL++ Knowledge Bases},
author = {Bo Xiong and Nico Potyka and Trung-Kien Tran and Mojtaba Nayyeri and Steffen Staab},
journal= {arXiv preprint arXiv:2201.09919},
year = {2022}
}
备注
Published in ISWC'22