【ICLR2020】利用图神经网络进行高效概率逻辑推理，Efficient Probabilistic Logic Reasoning with Graph Neural Networks

简介：

马尔可夫逻辑网络（MLN）将逻辑规则和概率图形模型完美地结合在一起，可用于解决许多知识图问题。但是，MLN的推理需要大量的计算，这使得MLN的工业规模应用非常困难。 近年来，图神经网络（GNN）已经成为解决大规模图问题的有效工具。 尽管如此，GNN并未将先前的逻辑规则明确纳入模型，并且可能需要许多带有标签的示例来完成目标任务。 在本文中，我们探索了MLN和GNN的组合，并使用图神经网络进行MLN的变异推理。 我们提出了一个名为ExpressGNN的GNN变体，该变体在表示能力和模型的简单性之间取得了很好的平衡。 我们在几个基准数据集上进行的广泛实验表明，ExpressGNN可以带来有效而高效的概率逻辑推理。