초록
논리 규칙은 다양한 분야에서 인기 있는 지식 표현 언어로, 배경 지식을 나타내고 주어진 사실로부터 도출할 수 있는 정보를 간결한 형태로 인코딩합니다. 그러나 규칙 작성은 깊은 영역 전문성을 요구하는 복잡한 과정이며, 오늘날의 대규모, 이질적이고 불완전한 지식 그래프에 의해 더욱 어려워지고 있습니다. 시간이 지남에 따라 입력 예제 사실 집합이 주어졌을 때 규칙을 자동으로 학습하기 위한 여러 접근 방식이 제안되었으며, 최근에는 신경망 시스템도 포함되었습니다. 그러나 이 분야는 적절한 데이터셋과 평가 방법이 부족합니다. 기존 데이터셋은 종종 규칙 간의 다양한 종속 관계를 포괄하지 못하거나 확장성 테스트를 허용하지 않는 장난감 예제와 유사합니다. 우리는 규칙 학습 시스템을 평가하고 새로운 성능 측정치를 포함하여 다양한 종류의 데이터셋을 생성하기 위한 도구를 소개합니다.