SLogic：面向知识图谱补全的子图感知逻辑规则学习

SLogic 按查询局部子图为逻辑规则分配差异化权重。

资讯摘要

论文提出 SLogic 框架，用于知识图谱补全的逻辑规则学习。作者指出，现有方法为每条规则模式分配全局统一权重，忽略了规则重要性随查询实例变化的问题。SLogic 引入上下文感知评分函数，依据查询头实体所定义的局部子图判断规则重要性，实现查询相关的差异化加权。作者报告在基准数据集上，该方法在基于规则的方法中表现有竞争力，并能生成可读的查询相关逻辑规则作为推理解释。

要点速读

1. 现有逻辑规则方法为每条规则模式赋予全局权重，未考虑查询实例差异
2. SLogic 用上下文感知评分函数，基于查询头实体定义的子图评估规则重要性
3. 作者报告在基准数据集上于规则类方法中表现有竞争力，并生成可读的查询相关规则作为解释

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。