LogicENN：基于神经网络的知识图谱嵌入模型与逻辑规则

知识图谱嵌入模型在人工智能研究中受到了广泛关注。近期的研究表明，引入背景知识（如逻辑规则）可以提高嵌入在下游机器学习任务中的性能。然而，迄今为止，大多数现有的模型并不支持规则的引入。本文针对这一挑战，提出了一种新的基于神经网络的嵌入模型（LogicENN）。我们证明了LogicENN可以在知识图谱中学习到所有编码规则的真实情况。据我们所知，对于基于神经网络的嵌入模型家族而言，这一点尚未得到证明。此外，我们推导出了包含各种规则的公式，包括对称/反对称、逆关系、非自反性和传递性、蕴含、复合、等价和否定。我们的方法允许在处理蕴含和等价关系时避免实例化。实验结果表明，LogicENN在链接预测任务上优于现有最先进模型。