利用RNN划定搜索区域的神经定理证明器
机器学习
2022-03-15 v1 人工智能
摘要
尽管传统符号推理方法具有高度可解释性，但由于计算效率低下，其在知识图谱链接预测中的应用受到限制。本文提出一种新的RNNNTP方法，使用基于广义EM的方法持续提升神经定理证明器（NTPs）的计算效率。RNNNTP分为关系生成器和预测器。关系生成器以有效且可解释的方式训练，使整个模型可随训练进程推进，且计算效率也大幅提升。在全部四个数据集上，该方法相对于传统方法以及当前强竞争力方法之一，在链接预测任务上展现出具有竞争力的性能。
引用
@article{arxiv.2203.06985,
title = {Neural Theorem Provers Delineating Search Area Using RNN},
author = {Yu-hao Wu and Hou-biao Li},
journal= {arXiv preprint arXiv:2203.06985},
year = {2022}
}
备注
13 pages, 5 figures