基于辩论动力学的知识图谱推理
机器学习
2020-01-03 v1 机器学习
摘要
我们提出了一种基于辩论动力学的知识图谱自动推理新方法。主要思想是将三元组分类任务构建为两个强化学习智能体之间的辩论游戏，这两个智能体提取论证——即知识图谱中的路径——分别以推动事实为真（正题）或事实为假（反题）为目标。基于这些论证，一个称为裁判的二分类器决定事实为真或假。这两个智能体可被视为稀疏的对抗性特征生成器，为正方或反方提供可解释的 evidence。与其他黑盒方法不同，这些论证使用户能够理解裁判的决策。由于本工作的重点是创建一种保持有竞争力预测精度的可解释方法，我们在三元组分类和链接预测任务上对我们的方法进行了基准测试。由此，我们发现我们的方法在基准数据集 FB15k-237、WN18RR 和 Hetionet 上优于多个基线。我们还进行了一项调查，发现所提取的论证对用户具有信息性。
引用
@article{arxiv.2001.00461,
title = {Reasoning on Knowledge Graphs with Debate Dynamics},
author = {Marcel Hildebrandt and Jorge Andres Quintero Serna and Yunpu Ma and Martin Ringsquandl and Mitchell Joblin and Volker Tresp},
journal= {arXiv preprint arXiv:2001.00461},
year = {2020}
}
备注
AAAI-2020