Machine Learning,Artificial Intelligence,Logic in Computer Science,یادگیری ماشین , هوش مصنوعی , منطق در علوم کامپیوتر ,
توضیحات
Submitted 14 August, 2024; originally announced August 2024. , Comments: Full version (with appendices) of paper accepted to KR 2024 (21st International Conference on Principles of Knowledge Representation and Reasoning) , MSC Class: 03B70 ACM Class: I.2.6; G.2.2; I.2.4; I.2.3
توضیحات به فارسی
ارسال شده در 14 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: نسخه کامل (با ضمائم) مقاله پذیرفته شده به KR 2024 (بیست و یکمین کنفرانس بین المللی اصول نمایندگی و استدلال دانش) ، کلاس MSC: 03B70 کلاس ACM: I.2.6 ؛G.2.2 ؛I.2.4 ؛i.2.3
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Graph neural networks (GNNs) are frequently used to predict missing facts in knowledge graphs (KGs). Motivated by the lack of explainability for the outputs of these models, recent work has aimed to explain their predictions using Datalog, a widely used logic-based formalism. However, such work has been restricted to certain subclasses of GNNs. In this paper, we consider one of the most popular GNN architectures for KGs, R-GCN, and we provide two methods to extract rules that explain its predictions and are sound, in the sense that each fact derived by the rules is also predicted by the GNN, for any input dataset. Furthermore, we provide a method that can verify that certain classes of Datalog rules are not sound for the R-GCN. In our experiments, we train R-GCNs on KG completion benchmarks, and we are able to verify that no Datalog rule is sound for these models, even though the models often obtain high to near-perfect accuracy. This raises some concerns about the ability of R-GCN models to generalise and about the explainability of their predictions. We further provide two variations to the training paradigm of R-GCN that encourage it to learn sound rules and find a trade-off between model accuracy and the number of learned sound rules.
چکیده به فارسی (ترجمه ماشینی)
شبکه های عصبی نمودار (GNN) اغلب برای پیش بینی حقایق گمشده در نمودارهای دانش (KGS) استفاده می شوند.با توجه به عدم توضیح برای خروجی های این مدل ها ، کار اخیر با هدف توضیح پیش بینی های آنها با استفاده از Datalog ، یک فرمالیسم مبتنی بر منطق است.با این حال ، چنین کارهایی محدود به زیر کلاسهای خاص GNN است.در این مقاله ، ما یکی از محبوب ترین معماری های GNN را برای KGS ، R-GCN در نظر می گیریم و دو روش برای استخراج قوانینی ارائه می دهیم که پیش بینی های آن را توضیح می دهد و سالم است ، به این معنا که هر واقعیت حاصل از قوانین نیز توسط پیش بینی می شودGNN ، برای هر مجموعه داده ورودی.علاوه بر این ، ما روشی را ارائه می دهیم که می تواند تأیید کند که کلاسهای خاصی از قوانین Datalog برای R-GCN مناسب نیستند.در آزمایشات ما ، ما R-GCN را بر روی معیارهای تکمیل کیلوگرم آموزش می دهیم ، و ما می توانیم تأیید کنیم که هیچ قانون Datalog برای این مدل ها سالم نیست ، حتی اگر این مدل ها اغلب دقت و تقریباً کامل را بدست آورند.این نگرانی در مورد توانایی مدل های R-GCN در تعمیم و توضیح در مورد پیش بینی های آنها ایجاد می کند.ما همچنین دو الگوی آموزشی R-GCN را ارائه می دهیم که آن را ترغیب به یادگیری قوانین صوتی و یافتن تجارت بین دقت مدل و تعداد قوانین صوتی آموخته شده می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
