链接：www.ict.griffith.edu.au/zhe/pub/OmranWW18.pdf

动机

传统的规则挖掘算法因计算量过大等原因无法应用在大规模KG上。为了解决这个问题，本文提出了一种新的规则挖掘模型RLvLR(Rule Learning via LearningRepresentation)，通过利用表示学习的embedding和一种新的子图采样方法来解决之前工作不能在大规模KG上scalable的问题。

亮点

文章的亮点主要包括：

（1）采样只与对应规则相关的子图，在保存了必要信息的前提下极大减少了算法的搜索空间和计算量；

（2）提出了argument embedding，将规则表示为predicate sequence；

概念

1. closed-pathrule，LHS记为body(r)，RHS记为head(r)

2. supportdegree of r，满足 r 的实体对个数

3. standard confidence 和 head coverage

方法

⒈ Sampling Method

以head predicate P_t为输入，把KG看成无向图，选择到P_t的头尾实体路径长不超过len-1的实体和关系组成子图K’=(E’,F’)，后面所有的计算都基于这个子图。

⒉ argument embedding

对于谓词P，它的subject argument定义为所有出现在subject上实体的embedding的加权平均，object argument则为尾实体上实体的embedding的加权平均，这个主要用在后面的score function上，即本文引入了共现的信息，对于路径(P1,P2)来说，P1的object argument与P2的subject argument应该很相似，这里就应用到了下面说的基于argument embedding的score function。

⒊ co-occurrence score function

这个 score function 就是基于上面的 argument embedding，以上图这个长为 3 的 rule 为例，path p=P1,P2的embedding是P1*P2，之前通用的synonymy scoring function就是让 p 和 Pt 的 embedding 相似，再与这个本文提出的co-occurrence scorefunction，结合起来就是最后的score function，下图左边的就是利用了路径的同义信息，即 body(r) 的 predicate embedding path 的乘积应当与 head 的 predicate embedding 相似。

⒋ Rule Evaluation

根据 score function 抽出来的 rule 还要进过筛选，具体做法是先排除掉 support degree 小于 1 的 rule，再过滤掉 standard confidence<minSC 和 head coverage<minHC 的 rule。

实验

⑴. 数据集

本文的关注点是 scalable，所以选取做比较的数据集都是大规模知识库

⑵. 实验结果

作者与 AMIE+ 在三个规模较大的知识库上进行了比较，具体做法是随机选取 20 个 target predicate 进行挖掘，其中 R 是 SC>0.1&HC>0.01 的规则，QC 是 SC>0.7 的规则，结果显示了 RLvLR 在大规模 KG 上的效率和挖掘规则的能力。

总结

本文提出了一种可以在大规模 KG 上可以以较小计算量进行规则挖掘的模型，减少计算量的方式包括子图采样，argument embedding 和 co-occurrence  score function。

论文笔记整理：汪寒，浙江大学硕士，研究方向为知识图谱、自然语言处理。

OpenKG.CN

中文开放知识图谱（简称OpenKG.CN）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。

点击阅读原文，进入 OpenKG 博客。