通过具有判别性路径的决策树诱导来分类知识图谱中的实体

基于深度学习的技术正日益被应用于知识图谱上的各类机器学习任务。尽管实证研究表明，这类方法在预测性能上通常优于传统的基于图特征提取的模型，但其缺乏可解释性。在医疗、金融等关键领域，可解释性至关重要。本文提出一种新方法，通过构建针对特定类别的子结构决策树，实现对知识图谱中不同实体的分类。实验结果表明，所提出的方法在四个基准数据集上的表现与当前最先进的深度学习技术相当，同时具备完全可解释性。