归纳关系预测的循环表示学习

Oct, 2021

A Topological View of Rule Learning in Knowledge Graphs

Zuoyu Yan, Tengfei Ma, Liangcai Gao, Zhi Tang, Chao Chen

TL;DR本研究基于代数拓扑学和其现代发展，持久同调理论，在图表示学习中提出了一种新的基于循环基的归纳关系预测解决方案。通过探索循环空间的线性结构，我们可以提高规则搜索的效率。在收集这些循环的基础上，我们构建了一个新颖的 GNN 框架，学习了循环的表示，并预测了关系的存在性。该方法在基准测试中取得了最先进的性能。

Abstract

inductive relation prediction is an important learning task for knowledge graph completion. One can use the existence of rules, namely a sequence of relations, to predict the relation between two entities. Previous works view rules as paths and primarily focus on the searching of paths

发现论文，激发创造

基于子图推理的归纳关系预测

提出了一种基于图神经网络的关系预测框架GraIL，该框架可以推理本地子图结构并具有强的归纳偏差来学习独立于实体的关系语义。与基于嵌入的模型不同，GraIL是自然归纳的，并且可以在训练后推广到未看到的实体和图形。在归纳设置中，GraIL优于现有的规则归纳基线。

Nov, 2019

知识图谱中基于拓扑感知的关系间归纳连接预测相关性

该论文提出了一种新的归纳推理方法TACT，可以有效地利用关系之间的拓扑感知相关性，以预测缺失的链接，相比现有的方法，表现得更好。

Mar, 2021

通过神经符号人工智能将规则和嵌入结合起来用于知识库完成

通过提出两种不同的基于规则的KBC方法，并结合神经符号AI，继承了布尔逻辑到实值逻辑，本文提出的模型实现了最佳的KBC精度，并通过将规则-based KBC与图嵌入相结合来解决关系路径的不均匀性。

Sep, 2021

图神经网络对知识图谱补全是否真正有帮助?

本篇研究通过探索评分函数和损失函数的设计，发现相比于复杂的图神经网络，简单的多层感知器(MLP)模型能够实现与之相似的性能表现，在知识图谱补全(KGC)方面不一定需要高度复杂的聚合方式。

May, 2022

基于神经符号化的规则嵌入知识图谱推理

本文提出了一种名为RulE的框架，它融合了元素、关系和逻辑规则。通过在统一嵌入空间中学习每个逻辑规则的嵌入向量，RulE可以以软方式进行逻辑推断，并为每个规则分配置信度分数，从而提高知识图嵌入的泛化性能。通过对多个基准知识图进行实验，RulE的有效性得到了证明。

Oct, 2022

用图神经网络和规则实现归纳式知识图补全的分析

归纳性知识图谱补全的这篇研究中，通过学习训练图谱中的推理模式，从而对不相交的测试图谱进行预测；研究发现基于规则的方法相对于基于图神经网络（GNNs）的最新方法具有较低的性能，但通过针对问题所涉及的两个因素进行优化，可以实现接近基于图神经网络的性能，同时保留了规则方法的可解释性优势，并且进一步的变种在总体知识图谱中的表现优于基于图神经网络的方法。

Aug, 2023

增强关系规则以提升知识图谱链接预测

提出了一种新的知识图推理方法，Relational rUle eNhanced Graph Neural Network (RUN-GNN)，通过查询相关的融合门单元来建模关系组合的连续性，并利用缓冲更新机制来减轻滞后的实体信息传播的负面影响，从而实现更高质量的关系规则学习。实验结果表明RUN-GNN在跨领域和归纳式链接预测任务上具有优越性。

Oct, 2023

利用大型语言模型进行知识图谱补全的关系预测

通过利用知识图谱节点名称，我们对大型语言模型进行了微调以进行关系预测任务，实验证明我们在广泛使用的知识图谱基准测试中取得了新的成绩。

May, 2024

利用基于区域的图神经网络进行知识图谱的可微分推理

在这篇论文中，我们提出了一种基于顺序约束的简单模型RESHUFFLE，能够比现有方法更好地捕捉规则，同时在我们的框架中嵌入可以通过可微分的图神经网络（GNN）进行学习，从而具有更高的效率。

Jun, 2024

学习规则引导的子图表示以进行归纳关系预测

本研究解决了归纳关系预测中目标链接与其他链接的区分问题，提出了一种新颖的单源边向GNN模型REST，以学习规则引导的子图表示。该方法通过初始化仅针对目标链接的边特征来保证挖掘规则的相关性，实验结果表明其在推理性能和子图预处理时间方面具有显著优势。

Aug, 2024