融入本体信息的开放规则生成

规则具有表达能力强、易于解释、应用广泛的特点.传统的封闭规则生成方法依赖于预定义的实体和关系,而现有的开放规则生成方法忽略实例类型作为规则生成的限制条件,导致生成不合理的规则.为解决上述问题,本文提出一种融入本体信息进行开放规则生成的方法.提出的方法将实例类别与实例之间隐藏的逻辑层级关系信息引入生成过程,并采用规则多样解码方式,以提升规则生成的正确率与多样性.在开放规则数据集Open-Rule155上,该方法较之prompt、Comet、Orion模型,在生成规则的质量与多样性指标上有明显的提升,较之次优的Orion方法,BLEU-1、ROUGE-L指标提升在3个百分点以上,BLEU-2、BLEU-4指标提升接近6个百分点.同时,消融实验表明,该方法性能的提升主要来源于本体信息的约束,更优的解码策略也有助于生成更多样的规则.