Los puntos clave no están disponibles para este artículo en este momento.
GraIL y sus variantes han demostrado sus prometedoras capacidades para el razonamiento de relaciones inductivas en gráficos de conocimiento. Sin embargo, el mecanismo de transmisión de mensajes unidireccional impide que tales modelos aprovechen las relaciones mutuas ocultas entre entidades en gráficos dirigidos. Además, la extracción de subgráficas envolventes en la mayoría de los modelos basados en GraIL limita al modelo de extraer suficiente información discriminativa para el razonamiento. En consecuencia, la capacidad expresiva de estos modelos es limitada. Para abordar los problemas, proponemos un nuevo marco basado en GraIL, denominado MINES, al introducir un mecanismo de Intercomunicación de Mensajes sobre la Subgráfica Mejorada por Vecinos. Concretamente, el mecanismo de intercomunicación de mensajes está diseñado para capturar la información mutua oculta omitida. Introduce interacciones de información bi-dirigidas entre entidades conectadas al insertar una capa de GCN no dirigida/bi-dirigida entre capas RGCN unidireccionales. Además, inspirados en el éxito de involucrar más vecinos en otras tareas basadas en gráficos, extendemos el área de vecindario más allá de la subgráfica envolvente para mejorar la recolección de información para el razonamiento de relaciones inductivas. Experimentos extensivos demuestran la prometedora capacidad del MINES propuesto desde varios aspectos, especialmente por su superioridad, efectividad y capacidad de transferencia.
Liang et al. (Sun,) estudiaron esta cuestión.