论文浅尝 | 基于表示学习的大规模知识库规则挖掘

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)

2.     supportdegree of r