arXiv · cs.AI · Jiawei Sun, Sijia Xu, Zihan Chen, Zhengyi Yang · 3 小时前模型评分30
RAHC：用规则增强超关系知识图谱补全材料合成条件
RAHC: Rule-Augmented Hyper-Relational Knowledge Graph Completion for Materials Synthesis
导读
RAHC 是一个规则增强的超关系知识图谱（HKG，Hyper-Relational Knowledge Graph）框架，用于补全材料合成中缺失的实验条件。它从训练记录和检索文献构建可追溯规则库，用硬规则约束候选有效性、软规则引导排序，并通过门控融合结合图结构与规则证据。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：foundation-models，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究、制造与工业
事件类型：研究发布
证据摘录
- “We propose RAHC, a rule-augmented HKG framework for single-slot and joint multi-slot synthesis-condition completion.”
来源：arXiv · cs.AI · arxiv.org