论文提出RVS指标，用于衡量预测模型对逻辑规则的遵守程度。
资讯摘要
论文指出，机器学习模型通常只用排序质量、预测误差或分类准确率等指标评估，无法判断输出是否遵守预设逻辑或领域约束。作者提出规则违反分数（RVS），独立于预测准确率衡量模型对逻辑规则的遵守程度，区分硬规则与软规则，可对任意数据集和关系词汇表上的预测模型计算，Horn规则可由自动生成的SQL查询完成。论文在知识图谱链接预测和关系回归三个基准上评估，结果显示预测准确率相近的两个模型逻辑合规程度可能差异显著。
要点速读
- 论文提出Rule Violation Score（RVS），作为独立于预测准确率的补充评估指标，衡量模型对给定逻辑规则的遵守程度。
- RVS区分硬规则（严格约束）与软规则（统计规律），可评估任意数据集和关系词汇表上的预测模型，Horn规则可用自动生成的SQL查询计算。
- 在知识图谱链接预测与关系回归三个基准上评估规则型、嵌入型和神经符号模型，发现准确率相近的模型逻辑合规水平可能明显不同。
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 2026/10/23 08:00:11（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。