利用图的结构实现关系推理:PRA

基于思想:将连接两个实体的路径作为特征来预测其间可能存在的关系。

基于规则学习的方法:AMIE

    知识图谱中的规则可以用以下形式表示:

        B1ΛB2Λ…..ΛBn=>H

    其中B1ΛB2Λ…..ΛBn表示规则的body部分,有n个原子(atom)组成,H表示规则的head部分,由一个原子组成,每个原子A可以表示为A=r(x,y)形式,r表示原子包含的关系,x,y表示变量。

    本demo中AMIE学习的规则为所有规则中的一个子集,即闭环的联通规则,也可以叫做路径规划:

        r(x,z1)Λr2(z1,z2)Λ...rn(zn-1,y)=>r(x,y)

    简化为B=>r0(x,y)

如果规则中的所有变量替换为具体的实体并保证每个实例化后的atom都存在图谱中,这样规则实例化后的结果成为规则的一个grounding。

规则的几个统计指标:

    Support、HC、Confidence、PCA Confidence

借助表示学习来学习规则:

    利用Embedding可以非常简便的计算关系的关系,也就是规则。

可微规则学习:NeuraLP:

    提出了一个可微的一阶谓词逻辑规则学习模型。

可微规则学习:DRUM

可微规则学习:RuleE

规则与嵌入表示的迭代学习:IterE

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐