[论文解读] RDF2Rules: Learning Rules from RDF Knowledge Bases by Mining Frequent Predicate Cycles

Zhichun Wang, Juanzi Li|arXiv (Cornell University)|Dec 24, 2015

Natural Language Processing Techniques参考文献 24被引用 31

一句话总结

RDF2Rules 是一种针对 RDF 知识库的新型规则学习方法，通过挖掘频繁谓词环（FPCs）高效生成推理规则。通过利用实体类型信息和一种新的开放世界假设下的置信度度量，其在 YAGO2 和 DBpedia 等大规模知识库上相较于 AMIE+ 实现了更高的准确率和更快的性能。

ABSTRACT

Recently, several large-scale RDF knowledge bases have been built and applied in many knowledge-based applications. To further increase the number of facts in RDF knowledge bases, logic rules can be used to predict new facts based on the existing ones. Therefore, how to automatically learn reliable rules from large-scale knowledge bases becomes increasingly important. In this paper, we propose a novel rule learning approach named RDF2Rules for RDF knowledge bases. RDF2Rules first mines frequent predicate cycles (FPCs), a kind of interesting frequent patterns in knowledge bases, and then generates rules from the mined FPCs. Because each FPC can produce multiple rules, and effective pruning strategy is used in the process of mining FPCs, RDF2Rules works very efficiently. Another advantage of RDF2Rules is that it uses the entity type information when generates and evaluates rules, which makes the learned rules more accurate. Experiments show that our approach outperforms the compared approach in terms of both efficiency and accuracy.

研究动机与目标

• 为解决从大规模 RDF 知识库中自动学习高质量推理规则的挑战。
• 通过从逐条规则挖掘转向基于模式的 FPC 挖掘，提升规则学习效率。
• 在规则生成和评估过程中整合实体类型信息，以提升规则的准确性。
• 为开放世界假设下的规则评估开发一种更精确的置信度度量。
• 实现在多核系统上的可扩展、并行化规则学习执行。

提出的方法

• 将频繁谓词环（FPCs）作为 RDF 图中的一类新型频繁模式进行挖掘，以表示重复出现的关系路径。
• 应用一种高效的 FPC 挖掘算法，并结合剪枝策略以减少搜索空间并提升可扩展性。
• 从每个挖掘出的 FPC 中生成多条推理规则，并自动包含实体类型约束。
• 设计一种新的置信度度量，整合实体类型信息并支持开放世界评估。
• 使用专门的数据结构对 RDF 数据进行索引，以加速 FPC 挖掘和规则评估。
• 在多核架构上支持 FPC 挖掘过程的并行执行，以获得性能提升。

实验结果

研究问题

• RQ1 如何有效从大规模 RDF 知识库中挖掘频繁谓词环，以作为规则学习的基础？
• RQ2 在规则生成过程中使用实体类型信息在多大程度上能提升所学推理规则的准确性？
• RQ3 一种考虑实体类型和开放世界假设的新置信度度量是否能提供更可靠的规则评估？
• RQ4 与 AMIE+ 等逐条规则挖掘方法相比，基于 FPC 的规则学习在速度和准确率方面表现如何？
• RQ5 所提出的方法在 YAGO2 和 DBpedia 等大规模真实 RDF KB 上是否具备高效的可扩展性？

主要发现

• 在 YAGO2 和 DBpedia 上评估时，RDF2Rules 在效率和准确率方面均优于 AMIE+。
• 在规则生成过程中使用实体类型信息显著提升了所学规则的精确率。
• 所提出的置信度度量相比 AMIE+ 中使用的 PCA 置信度度量，能更准确地估计规则的可靠性，尤其是在开放世界场景下。
• FPC 挖掘算法具有高度可扩展性，并支持并行执行，从而在大规模 RDF 数据集上实现更快的处理速度。
• 该方法能从每个 FPC 生成多条规则，从而在不牺牲性能的前提下提升规则覆盖率。
• 实验结果证实，与对比方法相比，RDF2Rules 产生的预测更可靠，且假阳性率更低。