稀疏图谱推理框架

稀疏场景可解释

通过规则挖掘与嵌入表示的协同增强，并借助强化学习优化多跳推理路径，在稀疏知识图谱上实现了更准确且具备解释性的推理。

Zeng, Zefan · 成清 · Si, Yuehang · 刘忠

Information Sciences 2024

技术优势

缓解稀疏性

嵌入表示和规则挖掘模块协作生成额外三元组，补充图谱中缺失的环节。

推理过程可解释

将多跳推理建模为马尔可夫决策过程，智能体逐步选择关系，生成可理解的推理路径。

奖励设计增强

奖励函数融合嵌入表示、规则匹配和好奇心奖励，引导策略网络更好地学习。

应用场景

• 知识图谱补全：自动补充缺失三元组，提升稀疏知识图谱的完整度。
• 问答系统：提供可解释的推理路径，增强问答系统的答案可信度。
• 推荐系统：利用推理路径挖掘用户与物品间的潜在关联，提升推荐效果。