NAAER知识图谱补全框架

规则评估不挑模型

首个将规则质量评估与噪声感知过滤解耦的通用知识图谱补全框架，通过迭代精炼嵌入与规则，可适配任意基于嵌入的模型。

Jinglin, Zhang · 沈波

Journal of King Saud University - Computer and Information Sciences 2025

技术优势

不挑模型

通用的规则质量评估通过直接度量规则体与头三元组得分差异实现，无需依赖特定评分函数或模型架构。

自动降噪

通过性能引导的规则过滤自适应地抑制噪声规则的影响，避免噪声对嵌入学习产生负面冲击。

稀疏图也适用

框架在标准与稀疏数据集上均展现出链接预测性能的提升。

应用场景

• 知识图谱补全：嵌入与规则迭代精炼，补全图谱中缺失事实。
• 链接预测：更准确的链接预测，支撑下游推理任务。
• 规则学习：自动评估规则质量并过滤噪声规则。