为神经符号知识图谱完成简易规则增强
人工智能
2024-07-03 v1 计算与语言
信息检索
摘要
高质量且高覆盖率的规则集对神经符号知识图谱完成（NS-KGC）模型至关重要，因为它们构成了所有符号推理的基础。近期文献构建神经模型以生成规则集，但初步实验表明它们在保持高覆盖率方面存在困难。本文我们提出三种简单的增强方法：（1）将规则转换为其归纳形式，（2）生成使用组成关系的逆形式的等效规则，（3）进行随机漫步以提出新的规则。最后，我们修剪可能质量较低的规则。实验在四个数据集和五个规则集基线设置上表明，这些简单的增强方法一致性地提高了结果，在不使用增强的规则上可获得最高达7.1分的 MRR 和8.5分的 Hits@1 提升。
引用
@article{arxiv.2407.01994,
title = {Simple Augmentations of Logical Rules for Neuro-Symbolic Knowledge Graph Completion},
author = {Ananjan Nandi and Navdeep Kaur and Parag Singla and Mausam},
journal= {arXiv preprint arXiv:2407.01994},
year = {2024}
}
备注
12 pages, 15 tables Published in ACL 2023