论文浅尝 | 基于表示学习的大规模知识库规则挖掘

作者：繁依Fanyi0 | 2024-05-17 07:57:19

踩

scalable rule learning via learning representation论文研读

640?wx_fmt=png 链接：www.ict.griffith.edu.au/zhe/pub/OmranWW18.pdf

动机

传统的规则挖掘算法因计算量过大等原因无法应用在大规模KG上。为了解决这个问题，本文提出了一种新的规则挖掘模型RLvLR(Rule Learning via LearningRepresentation)，通过利用表示学习的embedding和一种新的子图采样方法来解决之前工作不能在大规模KG上scalable的问题。

亮点

文章的亮点主要包括：

（1）采样只与对应规则相关的子图，在保存了必要信息的前提下极大减少了算法的搜索空间和计算量；

（2）提出了argument embedding，将规则表示为predicate sequence；

概念

1. closed-pathrule，LHS记为body(r)，RHS记为head(r)

640?wx_fmt=png

2. supportdegree of r

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/582647