面向知识图谱推理的逻辑扩散
机器学习
2023-06-07 v1 人工智能
计算机科学中的逻辑
摘要
近期多数工作聚焦于回答一阶逻辑查询，通过多跳逻辑预测来探索知识图谱推理。然而，现有推理模型受限于训练样本有限的逻辑范式，导致对未见逻辑的泛化能力较弱。为解决这些问题，我们提出一种称为逻辑扩散（LoD）的插件模块，从周边发现未见查询，并在不同模式间实现动态平衡。LoD 的基本思想是通过随机游走进行关系扩散与子逻辑采样，以及一种称为梯度适应的特殊训练机制。此外，LoD 辅以一种新颖的损失函数，以在面对训练或测试集中的噪声数据时进一步实现鲁棒的逻辑扩散。在四个公开数据集上的大量实验证明了主流知识图谱推理模型结合 LoD 优于当前最优方法。此外，我们的消融研究证明了 LoD 在富含噪声的知识图谱上具有普遍有效性。
引用
@article{arxiv.2306.03515,
title = {Logic Diffusion for Knowledge Graph Reasoning},
author = {Xiaoying Xie and Biao Gong and Yiliang Lv and Zhen Han and Guoshuai Zhao and Xueming Qian},
journal= {arXiv preprint arXiv:2306.03515},
year = {2023}
}
备注
10 pages, 6 figures