基于超图的时间归纳逻辑推理
机器学习
2024-05-07 v2 人工智能
计算机科学中的逻辑
摘要
归纳逻辑推理是图分析中的一项基本任务，旨在从数据中泛化模式。该任务已使用归纳逻辑编程（ILP）等技术在传统图表示（如知识图谱（KGs））上得到广泛研究。现有 ILP 方法假设从具有静态事实和二元关系的 KGs 中学习。除 KGs 外，图结构广泛存在于其他应用中，如过程指令、场景图和程序执行。虽然 ILP 对这些应用有益，但将其应用于那些图并非易事：它们比 KGs 更复杂，通常涉及时间戳和 n 元关系，实际上是一种带有时间事件的超图。在这项工作中，我们提出时间归纳逻辑推理（TILR），一种在时序超图上进行推理的 ILP 方法。为实现超图推理，我们引入了多起点随机 B-游走，一种新颖的超图遍历方法。通过将其与路径一致性算法结合，TILR 从时间和关系数据中泛化学习逻辑规则。为解决超图基准缺失的问题，我们创建并发布了两个时序超图数据集：YouCook2-HG 和 nuScenes-HG。在这些基准上的实验表明，TILR 相较于多种强基线具有更优的推理能力。
引用
@article{arxiv.2206.05051,
title = {Temporal Inductive Logic Reasoning over Hypergraphs},
author = {Yuan Yang and Siheng Xiong and Ali Payani and James C Kerce and Faramarz Fekri},
journal= {arXiv preprint arXiv:2206.05051},
year = {2024}
}