A*Net与NBFNet在知识图谱上学习负模式

本研究探讨了基于规则的方法与GNN架构NBFNet和A*Net在知识图谱补全中的预测性能差异。我们发现，这种性能差异大部分可以通过每个数据集中隐藏的独特负模式来解释。这一发现为不同模型类别在知识图谱补全中的性能差异提供了独特视角：模型通过针对错误事实的得分进行惩罚，而不是仅仅提供正确事实的高得分，从而获得预测性能的优势。