核心概念
Tree-like rules improve reasoning ability over chain-like rules on knowledge graphs.
要約
この論文では、知識グラフにおけるチェーン状のルールをツリー状のルールに洗練する効果的なフレームワークが提案されています。チェーン状のルールはセマンティック表現と正確な予測能力を制限し、誤った推論結果を生じる可能性があります。そのため、本論文ではツリー状のルールの概念を導入し、チェーン状のルールを洗練することで推論能力を向上させる方法が提案されています。実験結果は、提案されたフレームワークによって改良されたツリー状のルールが異なる知識グラフ上で連続的にチェーン状のルールよりも優れた推論結果を示すことを示しています。
統計
チェーン状のルールは長さn内で採掘されます。
フォワード・バックワード推論プロセスで変数の正負地面値が取得されます。
3種類のブランチアトム(AUX, ENT, QRY)が考慮されます。
引用
"Tree-like rules possess higher quality than chain-like rules and will produce more accurate predictions."
"Our refined tree-like rules consistently outperform original chain-like rules on KG reasoning tasks."