联合FOL规则的知识图谱表示学习方法

• 作者: 刘藤 陈恒 李冠宇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 知识图谱补全 表示学习 FOL规则 可解释 稀疏实体
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 100-107
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0436

摘要

为增强知识图谱表示的预测精度和可解释性,通过改进由表示学习、规则学习和规则融合三个模块组成的IterE框架,提出一种适用各种表示学习算法的联合FOL规则的知识图谱表示学习方法,针对规则学习和融合模块,基于三元组打分函数改进规则置信度计算方法,扩展适用性,并改进软标签计算方法,放松融合要求,扩大融合的数据增量,迭代实现表示更新规则和规则增强表示.链路预测和生成解释实验表明,随着逻辑规则的加入,该方法提高了基模型的预测精度和可解释性,且在越稀疏的数据集中对提高稀疏实体表示的帮助越大.