radioml2018数据集_近期知识图谱顶会论文推荐，你都读过哪几篇？

论文动机

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 Learning Representation)，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。

论文亮点

本文亮点主要包括：

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. support degree of r，满足 r 的实体对个数；

 3. standard confidence 和 head coverage。