【NeurIPS 2020 - 斯坦福】知识图谱中多跳逻辑推理的Beta嵌入

人工智能的一个基本问题是对知识图谱(KG)捕获的事实执行复杂的多跳逻辑推理。这个问题是具有挑战性的，因为KGs可能是不完备的。最近的方法是将KG实体嵌入到低维空间中，然后利用这些嵌入来寻找答案实体。然而，如何处理任意一阶逻辑(FOL)查询一直是一个突出的挑战，因为目前的方法仅限于FOL操作符的一个子集。特别地，不支持否定运算符。现有方法的另一个限制是它们不能自然地建模不确定性。在这里，我们提出了一种用于回答KGs中任意FOL查询的概率嵌入框架BETAE。BETAE是第一种可以处理完整的一阶逻辑运算的方法:合取(∧)、析取(不确定)和否定(ed)。BETAE的一个关键观点是使用有界支持的概率分布，特别是Beta分布，以及嵌入查询/实体作为分布，这使得我们也能建模不确定性。逻辑操作由概率嵌入的神经算子在嵌入空间中执行。我们演示了BETAE在三个大的、不完整的KG上回答任意的FOL查询时的性能。虽然BETAE更加通用，但相对于目前最先进的KG推理方法(仅能处理不含否定的连接查询)，它的相对性能提高了25.4%。

https://arxiv.org/pdf/2010.11465

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“BETAE” 可以获取《【NeurIPS 2020 - 斯坦福】知识图谱中多跳逻辑推理的Beta嵌入》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源