RulE：基于规则嵌入的知识图谱推理
人工智能
2024-05-21 v3 机器学习
摘要
知识图谱推理是知识图谱的一个重要问题。在本文中，我们提出了一个新颖且有原则的框架，称为 RulE（代表 Rule Embedding），以有效地利用逻辑规则来增强知识图谱推理。与知识图谱嵌入方法不同，RulE 通过在统一的嵌入空间中联合表示实体、关系和逻辑规则，从现有三元组和一阶规则中学习规则嵌入。基于学习到的规则嵌入，可以为每条规则计算一个置信度分数，反映其与观测三元组的一致性。这使我们能够以软方式进行逻辑规则推断，从而缓解逻辑的脆弱性。另一方面，RulE 将先验逻辑规则信息注入到嵌入空间中，丰富并正则化了实体/关系嵌入。这也使得单独的 KGE 表现得更好。RulE 在概念上简单且在经验上有效。我们进行了广泛的实验以验证 RulE 的每个组件。在多个基准上的结果表明，我们的模型优于大多数现有的基于嵌入和基于规则的方法。
引用
@article{arxiv.2210.14905,
title = {RulE: Knowledge Graph Reasoning with Rule Embedding},
author = {Xiaojuan Tang and Song-Chun Zhu and Yitao Liang and Muhan Zhang},
journal= {arXiv preprint arXiv:2210.14905},
year = {2024}
}