《表2 基于本体约束与逻辑谓词的PSL规则生成》
从2.1对于PSL模型的描述中可以看出,规则的质量和规则对应的权重会极大程度影响推理的结果。然而,PSL规则的获取是完全独立于PSL模型的。传统的PSL模型规则生成一般依赖于专家方法,专家制定规则的优势在于规则的质量高,但是数量有限且效率较低,对于复杂场景下的知识推理存在明显不足。张嘉等[15]尝试使用C 5.0算法,通过半自动学习生成PSL规则。然而,通过C 5.0生成的规则可读性不高,这与PSL旨在建立可理解的机器学习模型的初衷相违背。因此,本文根据不同的本体约束关系分别构建PSL规则自动学习方法,提高规则生产的效率和可读性。考虑到知识库中主要以实体-关系和实体-标签为知识构成的主要形式,我们主要通过外部语料库等一系列方法自动获取了Inverse,Mutual Independence,Range,Domain和Subordination等本体约束关系,并结合实体-关系谓词和实体-标签谓词学习PSL规则自动生成,如表2所示。经过实验验证,自动获取的规则也同样得到了很好的推理效果。
图表编号 | XD00140948800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.31 |
作者 | 陈泽东、赵旭剑、张晖、杨春明、李波 |
绘制单位 | 西南科技大学计算机科学与技术学院、西南科技大学计算机科学与技术学院、西南科技大学理学院、西南科技大学计算机科学与技术学院、西南科技大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |