5-4-2知识图谱推理-基于规则学习的知识图谱推理

利用图的结构实现关系推理：PRA

基于思想：将连接两个实体的路径作为特征来预测其间可能存在的关系。

基于规则学习的方法：AMIE

    知识图谱中的规则可以用以下形式表示：

        B1ΛB2Λ…..ΛBn=>H

    其中B1ΛB2Λ…..ΛBn表示规则的body部分，有n个原子（atom）组成，H表示规则的head部分，由一个原子组成，每个原子A可以表示为A=r（x，y）形式，r表示原子包含的关系，x，y表示变量。

    本demo中AMIE学习的规则为所有规则中的一个子集，即闭环的联通规则，也可以叫做路径规划：

        r（x，z1）Λr2（z1，z2）Λ...rn（zn-1，y）=>r（x，y）

    简化为B=>r0（x，y）

如果规则中的所有变量替换为具体的实体并保证每个实例化后的atom都存在图谱中，这样规则实例化后的结果成为规则的一个grounding。

规则的几个统计指标：

    Support、HC、Confidence、PCA Confidence

借助表示学习来学习规则：

    利用Embedding可以非常简便的计算关系的关系，也就是规则。

可微规则学习：NeuraLP：

    提出了一个可微的一阶谓词逻辑规则学习模型。

可微规则学习：DRUM

可微规则学习：RuleE

规则与嵌入表示的迭代学习：IterE