تمثيل المعرفة الرسومية مع التوجيه التكراري من القواعد اللينة

تعد تضمين الرسوم البيانية للمعرفة (KGs) في فضاءات المتجهات المستمرة محورًا للبحث الحالي. وقد لفت الجمع بين مثل هذا النموذج التضميني وقواعد المنطق انتباهًا متزايدًا مؤخرًا. كانت معظم المحاولات السابقة تقوم بحقن قواعد المنطق مرة واحدة، مما أغفل الطبيعة التفاعلية بين تعلم التضمين والاستدلال المنطقي. كما ركزت فقط على القواعد الصارمة، التي تكون صحيحة دائمًا دون استثناء وتتطلب عادةً جهدًا يدويًا مكثفًا لإنشائها أو التحقق منها. في هذه الورقة البحثية، نقترح تضمين موجه بالقواعد (RUGE)، وهو نموذج جديد لتضمين الرسوم البيانية للمعرفة مع إرشاد تكراري من القواعد اللينة. يتيح RUGE للنموذج التضمني التعلم بشكل متزامن من: 1) الأزواج الثلاثية المصنفة التي تم رصدها مباشرة في الرسم البياني المعطى للمعرفة، 2) الأزواج الثلاثية غير المصنفة والتي سيتم التنبؤ بتصنيفها بشكل تكراري، و3) القواعد اللينة ذات مستويات الثقة المختلفة المستخرجة تلقائيًا من الرسم البياني للمعرفة. خلال عملية التعلم، يقوم RUGE بتكرار الاستفسارات عن القواعد للحصول على تصنيفات لينة للأزواج الثلاثية غير المصنفة، ويقوم بدمج هذه الأزواج الثلاثية الجديدة المصنفة لتحديث النموذج التضمني. من خلال هذا الإجراء التكراري، قد يتم نقل المعرفة الموجودة في قواعد المنطق بشكل أفضل إلى التضمينات المُتعلَّمة. نقيم RUGE في تنبؤ الروابط على Freebase وYAGO. أظهرت نتائج التجارب أن: 1) مع حقن معرفة القواعد بشكل تكراري، حقق RUGE تحسينات كبيرة ومتسقة على أساسيات الحالة المتقدمة؛ و2) رغم عدم اليقين الذي يشوبها، فإن القواعد اللينة المستخرجة تلقائيًا مفيدة للغاية لتضمين الرسوم البيانية للمعرفة، حتى تلك ذات مستويات الثقة المتوسطة. يمكن الحصول على الكود والبيانات المستخدمة في هذه الورقة البحثية من https://github.com/iieir-km/RUGE.