图谱推理规则提取调研

相关算法

基于路径排序学习方法(PRA，Pathranking Algorithm)

思想：该方法将每种不同的关系路径作为一维特征，通过在知识图谱中统计大量的关系路径构建关系分类的特征向量，建立关系分类器进行关系抽取，绕开规则提取步骤直接推理

缺点：这种基于关系的同现统计的方法，面临严重的数据稀疏问题，都是从KG到KG，而KG的知识本身就不够完善，推出来的结果只能实验室用发发paper可以

基于关联规则挖掘方法(AMIE)

思想：目标是生成边关系规则，事先依据边类型生成所有可能的规则，再在图谱中找出支持该规则的事实，置信度达到阈值则认为该规则成立

缺点：都是从KG到KG，数据稀疏时很难实用，而我们遇到的数据很多是稀疏的缺失某类数据的

http://download.csdn.net/download/obaishusheng/8511433

行业专家

东南大学漆桂林：用关联规则挖掘就可以做出来了，见AMIE的工作。我们正在做这方面的研究，很快可以发布一个系统。当然，要做到一般的规则的学习还是很难的。

文因互联CEO鲍捷：推理规则一般都是人写的。

https://www.zhihu.com/question/37457849/answer/151243256

总结

已有的相关算法集中在从已有图谱中提取规则，但这类方法缺点明显(数据稀疏问题)，很难实用。从文本中半自动(需经人工审核)提取推理规则的方法还没有成熟方案。目前业界对推理规则的通用做法还是专家人工录入。