ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning

最新推荐文章于 2024-09-11 12:11:23 发布

UnknownBody

最新推荐文章于 2024-09-11 12:11:23 发布

阅读量297

点赞数

文章标签：语言模型知识图谱人工智能

本文链接：https://blog.csdn.net/c_cpp_csharp/article/details/133696510

版权

LLM 日更专栏收录该内容

515 篇文章 3 订阅

已下架不支持订阅

ChatRule是一个新框架，利用大型语言模型在知识图谱上挖掘逻辑规则，解决了现有方法的计算密集和扩展性问题。规则生成器结合语义和结构信息生成规则，规则排序模块评估质量，规则验证器确保逻辑正确性。实验证明ChatRule有效且可扩展。

摘要由CSDN通过智能技术生成

本文是LLM系列文章，针对《ChatRule: Mining Logical Rules with Large Language Models for
Knowledge Graph Reasoning》的翻译。

摘要

逻辑规则对于揭示关系之间的逻辑联系至关重要，它可以提高推理性能并提供知识图谱上可解释的结果。虽然在挖掘有意义的逻辑规则方面已经做了很多努力，但现有的方法存在对规则空间进行计算密集型搜索和对大规模逻辑规则缺乏可扩展性的问题，而且往往忽略了关系的语义，而关系的语义对于发现逻辑连接至关重要。近年来，大型语言模型以其涌现能力和泛化能力在自然语言处理领域和各种应用中表现出了令人瞩目的表现。在本文中，我们提出了一个新的框架，ChatRule，释放了大型语言模型在知识图谱上挖掘逻辑规则的能力。具体来说，该框架是由一个基于llm的规则生成器启动的，它利用KGs的语义和结构信息来提示llm生成逻辑规则。为了优化生成的规则，规则排序模块通过整合来自现有知识库的事实来估计规则质量。最后，规则验证器利用llm的推理能力，通过思维链推理来验证排名规则的逻辑正确性。ChatRule在四个大规模的KGs、不同的规则质量指标和下游任务上进行了评估，显示了我们的方法的有效性和可扩展性。