论文笔记整理：康矫健，浙江大学计算机科学与技术系，硕士研究生。

---

            

论文链接：https://arxiv.org/pdf/1911.08935.pdf

发表会议：AAAI 2020

• Motivation

1. 现有的KG Embedding方法大部分仅关注每个三元组的结构化信息

2. 有部分的工作把KG中的路径信息考虑在内而不仅仅是每次只考虑单个三元组，但是这种方法在获得路径表示的时候缺乏可解释性。

3. 因此本文提出一种基于规则和路径的知识图谱表征学习方法，能够充分利用logic rules的可解释性和准确性。

 

• Model

1. 挖掘规则：利用现有KG中的规则挖掘工具（如AMIE）自动从KG中抽取出规则，总共两类，包括长度为1的规则和长度为2的规则，每条规则有一个置信度              

             

2. 挖掘KG中实体之间的路径：利用PtransE自动挖掘头实体h和尾实体t之间存在的路径p，每条路径p有一个置信度                            。

3. 利用挖掘出来的规则和实体之间的路径做实体的组合表征学习。

             

如上图所示PtransE挖掘出实体David和USA之间的一条路径如下

             

AMIE挖掘出2条长度为2的规则

             

             

一条长度为1的规则

             

之后用长度为2的规则对路径做composition，其中长度为2的规则中的第一条可以将

             

组合成

             

之后长度为2的规则中的第二条可以将

             

组合成

             

之后根据长度为1的规则，我们需要让

             和              的embedding之间的距离尽可能接近。

4. 损失函数

             

总共三个score function。

其中第一个score function源于TransE，不做过多解释。

第二个score function              表示利用PtransE挖掘出来的h和t之间路径p的置信度，              中              表示组合路径p使用的所有长度为2的规则的置信度集合，              表示其中使用的第i条的置信度。              中              表示最终通过长度为2的规则组合出来的路径embeding，有两种情况，一种是最终路径只剩下一个关系，那么              就是这个关系的embedding，否则              就是路径剩下所有关系embedding相加。

第三个score function              中              和              分别是长度为1的规则中的两个关系。

最终的损失函数为

             

其中

             

分别是对对应三个score function的Margin Loss损失函数，其中第一个损失函数的负样本是随机将h、r、t替换掉；第二个损失函数及第三个是随机替换掉关系。

 

5. 模型整体框架如下

             

• Experiment

1. 数据集情况：总共使用4个数据集。FB15K和FB15K-237是从Freebase中抽取的，WN18从WordNet中抽取，NELL-995从NELL中抽取。其中FB15-237是不包括inverse关系的，因此FB15K和FB15K-237一般被认为是两个不一样的数据集。

             

1. 本文做的实验包括relation prediction和entity prediction。

2. 利用AMIE+挖掘出来的规则如下，每条规则会有一个0到1的阈值

             

1. 评估指标

MR：the mean rank of correct entities

MRR：the mean reciprocal rank of correct entities

Hits@n ：the proportion of test triples for which correct entity is ranked in the top n predictions

1. 一个三元组的socre如下

             

1. baseline的选择：第一种是TransE、TransR、TransH等Embedding methods；第二种是path-based的methods，如PtransE和DPTransE等。

2. 第一个实验：rule置信度和路径长度对最终模型性能的影响

             

我们可以看到RPJE-S2的性能优于RPJE-S3说明采用长度最多为2的路径要优于采用长度最多为3的路径，这说明路径长度过长会使得在path composition的过程中引入过多噪音导致准确率下降。

RPJE-S2性能优于PTransE说明引入规则能够带来性能提升；

RPJE-S2性能优于RPJE-min说明规则的置信度需要引入到模型中，并更多关注那些置信度高的规则。

最终路径长度选择2，并过滤掉那些置信度小于0.7的规则

1. 第二个实验：FB15K上的relation prediction和entity prediction，以及FB15K-237上的entity prediction。可以发现RPJE在所有指标上都比baseline好，说明了引入规则和路径的有效性。值得注意的是FB15-237中是没有inverse relation的，那么此时因此rules更能挖掘出关系之间的联系。

                           

             

1. 第三个实验：在WN18和NELL-995是关系很稀疏的两个数据集，因此可以挖掘的规则和路径少，但是RPJE仍然好于baseline，只是提升的程度比FB15K上的少，这说明RPJE可以在各种类型的KG中都有很好的表现，但是更能在那些关系比较多的KG中有好的表现。

             

1. 第四个实验：引入规则为我们提供了可解释性。

             

例如我们挖掘的规则中有上面这样一条规则，那么在测试的时候我们就知道在预测出来x和y之间有filmlanguage的时候的依据是什么。

---

 

OpenKG

开放知识图谱（简称 OpenKG）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。

点击阅读原文，进入 OpenKG 博客。