透過擴散模型生成知識圖譜推理的圖形規則

研究論文提出 GRiD 框架，旨在透過擴散模型生成知識圖譜推理中的圖形規則。論文指出，現有的規則挖掘方法主要關注簡單的鏈式規則，而忽略了圖形結構中更豐富的關聯信息，例如循環和分支，這導致了計算瓶頸。為了解決這些限制，GRiD 將圖形規則發現重新表述為一個離散生成過程，並採用兩階段訓練策略：首先進行監督預訓練以捕捉結構先驗，然後應用強化學習通過策略梯度優化來微調模型，直接使用非可微分的規則質量指標。實驗在六個基準數據集上進行，結果顯示 GRiD 在知識圖譜完成任務上取得了競爭性的性能。消融研究確認了 GRiD 的效率和穩健性，並進一步表明圖形規則與鏈式規則在知識圖譜完成中相輔相成。該研究的代碼和數據集已發佈在 GitHub 上。