逻辑规则驱动的知识图谱嵌入
人工智能
2019-03-12 v1 计算与语言
摘要
大规模知识图谱嵌入在人工智能领域吸引了学术界与工业界的广泛关注。然而，大多数现有方法仅关注给定知识图谱中包含的事实三元组。受逻辑规则可提供灵活且声明式的语言来表达丰富背景知识这一事实的启发，将逻辑规则整合进知识图谱嵌入，以将人类知识迁移至实体与关系嵌入并强化学习过程，是自然而然的。本文提出一种新颖的逻辑规则增强方法，可轻松与任意基于平移的知识图谱嵌入模型（如 TransE）集成。我们首先引入一种从三元组中自动挖掘逻辑规则及相应置信度的方法。然后，为将三元组与挖掘出的逻辑规则置于同一语义空间，知识图谱中所有三元组均被表示为一阶逻辑。最后，我们定义了一阶逻辑上的若干操作，并对挖掘出的逻辑规则与转换后的一阶逻辑最小化一个全局损失。我们在 WN18、FB166 和 FB15K 三个数据集上进行了链接预测与三元组分类的广泛实验。实验表明，规则增强方法能显著提升若干基线的性能。我们模型的亮点是过滤后 Hits@1（知识推理任务中的关键评估指标）取得显著提升（最高达 700% 的提升）。
引用
@article{arxiv.1903.03772,
title = {Logic Rules Powered Knowledge Graph Embedding},
author = {Pengwei Wang and Dejing Dou and Fangzhao Wu and Nisansa de Silva and Lianwen Jin},
journal= {arXiv preprint arXiv:1903.03772},
year = {2019}
}