Key points are not available for this paper at this time.
우리는 잠재적, 관계적, 수치적 특성으로부터 지식 기반의 종단 간 학습을 위한 프레임워크인 KBLRN을 제시합니다. KBLRN은 신경 표현과 확률적 전문가 모델의 새로운 조합으로 기능 유형을 정의합니다. 우리의 최선의 판단으로 KBLRN은 잠재적, 관계적, 수치적 특성을 통합하여 지식의 표현을 학습하는 최초의 접근법입니다. 우리는 KBLRN이 다양한 지식 기반 작업에서 기존 방법보다 우수함을 보여줍니다. 우리는 일반적으로 사용되는 기반 완성 벤치마크를 수치적 특성으로 풍부하게 하는 새로운 데이터 세트를 기여합니다. 이 데이터 세트는 허용적인 BSD-3 라이선스 하에 있습니다. 또한 우리는 KBLRN의 KB 완성 성능에 대한 특성의 영향을 조사합니다.
García-Durán et al. (Thu,)는 이 질문을 연구했습니다.