规则增强超关系知识图谱可提升材料合成条件补全
资讯摘要
论文提出 RAHC，一个规则增强的超关系知识图谱框架，用于材料合成条件的单槽与多槽联合补全。它从训练记录和检索文献构建可追溯规则目录，为每个查询-候选对检索规则，并分别编码图结构与规则证据：硬规则约束候选有效性，软规则引导排序；RAHC-G 按全局可靠性聚合规则，RAHC-Q 额外学习查询相关度，门控融合结合两类表示。作者报告在五个材料合成数据集上，半归纳与开放答案归纳设置均有提升，半归纳 MRR 较 MAYPL 最高提升 15.6%，并在 ILPC'22 Small 上改善。
要点速读
- RAHC 从训练记录与检索文献构建可追溯规则目录，硬规则约束候选有效性、软规则引导排序。
- RAHC-G 用全局可靠性聚合规则，RAHC-Q 额外学习查询相关度，门控融合结构表示与规则表示。
- 作者报告五个材料合成数据集上单槽与联合补全均有提升，半归纳 MRR 较 MAYPL 最高提升 15.6%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。