基于边权重图神经网络的一阶逻辑前提选择

摘要：

为提高自动定理证明器在大规模问题中证明问题的能力,前提选择任务应运而生.由于公式图的有向性,主流的图神经网络框架只能单向地对节点进行更新,且无法编码公式图中子节点间的顺序.针对以上问题,提出了带有边类型的双向公式图表示方法,并提出了一种基于边权重的图神经网络(edge-weight-based graph neural network,EW-GNN)模型用于编码一阶逻辑公式.该模型首先利用相连节点的信息来更新对应边类型的特征表示,随后利用更新后的边类型特征计算邻接节点对中心节点的权重,最后利用邻接节点的信息双向地对中心节点进行更新.实验比较分析表明:基于边权重的图神经网络模型在前提选择任务中表现得更加优越,其在相同的测试集上比当前最优模型的分类准确率高了约1％.

关键词：图神经网络、双向图、前提选择、一阶逻辑公式

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项;中央高校基本科研业务费专项;教育部人文社会科学研究项目;教育部人文社会科学研究项目;四川省科技计划;四川省科技计划

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1368-1375