GRainsaCK：一个用于基准测试知识图谱链接预测任务解释的综合性软件库
人工智能
2025-08-13 v1
摘要
由于知识图谱通常不完整，链接预测方法被用于预测缺失的事实。为此，大多采用可扩展的基于嵌入的解决方案，然而，它们缺乏可理解性，这在某些领域可能至关重要。解释方法通过识别支持预测事实的解释性知识来解决此问题。遗憾的是，由于缺乏标准的评估协议和整体的基准测试资源，定量评估/比较生成的解释具有挑战性。我们通过提出 GRainsaCK 来填补这一重要空白，这是一个可复用的软件资源，它完全简化了基准测试解释所涉及的所有任务，即从模型训练到遵循同一评估协议的解释评估。此外，GRainsaCK 通过将主要组件实现为可轻松替换的函数，进一步提升了模块化和可扩展性。最后，为促进其复用，我们提供了包括教程在内的详尽文档。
引用
@article{arxiv.2508.08815,
title = {GRainsaCK: a Comprehensive Software Library for Benchmarking Explanations of Link Prediction Tasks on Knowledge Graphs},
author = {Roberto Barile and Claudia d'Amato and Nicola Fanizzi},
journal= {arXiv preprint arXiv:2508.08815},
year = {2025}
}