{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2023,8,5]]，“日期时间”：“2023-08-05T04:27:08Z”，“时间戳”：1691209628589}，“引用计数”：0，“发布者”：“IOS出版社”，“isbn-type”：[{“值”：“9781643684062”，“类型”：”打印“}，{“数值”：“984079”“，”类型“：”电子“}]，”内容域“：{”域“：[]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2023,7,21]]}，”抽象“：”在过去十年中，开发了大量大型知识图表，如DBpedia、Wikidata、Yago和Freebase，其中包含了世界上各种实体的数百万事实。事实证明，这些知识图对于智能网络搜索、问题理解、上下文广告、社交媒体挖掘和生物医学都非常有用。正如一些研究人员指出的那样，知识图不仅仅是一个图形数据库，它还应该有一层概念知识，通常表示为一组一阶规则。然而，从大型知识图中自动提取一阶规则是一项挑战。特别是，传统模型通常无法处理大型知识图中的规则学习。本章旨在介绍使用表征学习学习一阶规则的最新技术和模型。首先回顾知识图中规则学习的一些基本知识，我们将通过RLvLR和TyRuLe等主要模型介绍基于嵌入的规则学习的有用技术，这些模型将知识图中的路径嵌入到候选规则搜索的潜在空间中。然后，我们通过将规则学习效率和自动学习规则的质量应用于链接预测来评估它们。在本章结束之前，我们还将讨论该领域未来的一些研究问题<\/jats:p>“，”DOI“：”10.3233\/faia230146“，”type“：”book-chapter“，”created“：{”date-parts“：[[2023,8,4]]，”date-time“：”2023-08-04T06:44:42Z“，”timestamp“：1691131482000}，”source“：“Crossref”，“is-referenced-by-count”：0，”title“：[”chapter 14。在大型知识图中嵌入基于一阶规则的学习“]，”前缀“：”10.3233“，”作者“：[{”给定“：”Pouya Ghiasnezhad“，”家族“：”Omran“，”sequence“：”First“，”affiliation“：[}”name“：”Australian National University，Australia“}]}，{”given“：”Hong“，”family“：”Wu“，”序列“：”additional“given“：”Zhe“，”family“：”Wang“，”sequence“：”additional“，”affiliation“：[{“name”：“Griffith University，Australia”}]}，{“given”：“Kewen”，“family”：“Wang”，“sequence”：“additional”，“affiliation:[{”name“：“Greffith Uni大学，Austraia”}]]，“member”：“7437”，“container-title”：[“人工智能和应用的前沿”，“《神经符号人工智能纲要》“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/ebooks.iospress.nl\/pdf\/doi\/10.3233\/FAIA230146“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,8,4]]，”date-time“：“2023-08-04T06:43Z”，“timestamp“：1691131483000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/ebooks.iospress.nl\/doi\/10.3233\/FAIA230146”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2023,7,21]]}，《ISBN》：[“9781643684062”，“978164 3684079”]，“references-count”：0，“URL”:“http://”\/dx.doi.org\/10.3233\/FAIA230146“，”关系“：{}，”ISSN“：[”0922-6389“，”1879-8314“]，“issn-type”：[{“value”：“0922-6389”，“type”:“print”}，{“value”：“1879-8314”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2023,7,21]]}}}