logical-rules

本文提出了一种基于逻辑的框架，用于从Simple Graph Convolution网络中提取全局逻辑规则，利用最小溯因解释，旨在为图神经网络中的节点分类提供紧凑且忠实的解释。

介绍了一个基准测试，用于评估知识编辑方法如何处理事实编辑的逻辑后果，揭示了像ROME和FT这样的现有方法能准确插入直接断言，但未能传播蕴含知识，性能差距高达24%。

本文介绍了GRiD，一个利用扩散模型和强化学习生成图状规则（如循环、分支）以进行知识图谱推理的框架，解决了现有链式规则挖掘方法的局限性。在六个基准数据集上的实验表明，该方法在知识图谱补全任务中取得了有竞争力的性能。