.png){kind=icon}
返回
Rule learning with causal intervention for knowledge graph reasoning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2026.114802.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 显式地在整体规则学习框架中采用因果干预进行知识图谱推理；
• 模型化因果性和混淆因素，并恢复它们之间的连接以模拟因果干预；
• 将因果关系与混淆因素解耦以获取更高质量的规则；
• 通过在五个公开可用数据集上进行实验来展示该框架的性能。
Keyword:
causal intervention
knowledge graph reasoning
rule learning
confounders
holistic framework
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
暂无机构信息
引用论文
分享收藏Capsule neural tensor networks with multi-aspect information for Few-shot Knowledge Graph Completion具有多方面信息的胶囊神经张量网络用于少镜头知识图补全.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏CODEX: COunterfactual Deep learning for the in silico EXploration of cancer cell line perturbationsCODEX：用于癌症细胞系扰动在体模拟的反事实深度学习
PREAI
分享收藏
分享收藏DensE: An enhanced non-commutative representation for knowledge graph embedding with adaptive semantic hierarchyNEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏
查看更多内容