6.4 情报网与案件重演：知识图谱推理与图生成

6.4 情报网与案件重演：知识图谱推理与图生成

本节摘要：知识图谱推理以三元组打分为核心——平移类把关系看作头实体到尾实体的位移，双线性类做交互分解，神经网络类用消息传递；图生成则让模型从零构造新图，自回归逐节点逐边"画图"、隐空间变分解码、扩散式去噪多路线并行，评价指标看有效性、独特性与分布贴近度。本节是第六章的收官双卷宗。

最后两份卷宗

专案组的收尾卷宗是两份"方向性"委托。第一份来自情报部门：知识图谱里实体数以百万计，关系谓词几十种，缺漏严重——"某公司与某高管是否存在任职关系"需要模型推断补全，这桩案子的技术核心是给三元组打分。第二份来自材料实验室：想要"具有目标性质的新分子"，即在约束下生成全新图结构——案件重演的高级形态：不只分析已有案子，还要推演出尚未发生的案子。两份卷宗分别代表图学习的两大纵深方向，本节各用一节的篇幅讲清主干。

图：知识图谱打分与图生成的三条路线

知识图谱推理：打分函数大家族

补全任务的统一接口是打分：给定头实体与关系，枚举候选尾实体并按分数排序，高位者即补全建议。平移类最简洁：把关系看成嵌入空间里的位移向量，头实体向量加关系向量应落在尾实体向量附近——距离即分数。它抓住了多关系数据最朴素的几何直觉，可解释性强（关系的语义就是"往哪个方向挪"），但在对称关系与一对多关系上先天吃力（一个位移只能指向一个点）。双线性类用关系矩阵做头尾向量的交互变换，表达力高于纯平移，参数量居中，长年在基准榜上活跃。消息传递类是本章的主题回归：用关系图卷积在图谱上做分路聚合（每种谓词一条路），节点表示吸收了多跳邻域的图谱结构信息后，再接打分头——它把"实体表示"从孤立查表升级为"结构推断"，在稀疏图谱上优势明显。评测沿用链接预测协议（命中率、逆排序），但必须用滤波模式：把已知为真的三元组从候选里剔除，否则排序指标被"已见过的答案"污染。

# 平移类打分的完整训练骨架（最小实现）
import torch
import torch.nn.functional as F

torch.manual_seed(0)
n_ent, n_rel, d = 12, 3, 8
ent_emb = torch.nn.Embedding(n_ent, d)
rel_emb = torch.nn.Embedding(n_rel, d)

# 三元组示意：(公司甲, 任职, 高管乙) 等
triples = torch.tensor([
    [0, 0, 5], [1, 0, 6], [2, 1, 7], [3, 1, 8],
    [4, 2, 9], [5, 2, 10], [0, 0, 6], [2, 1, 5]])

opt = torch.optim.Adam(list(ent_emb.parameters()) + list(rel_emb.parameters()), lr=0.02)
for epoch in range(200):
    h, r, t = ent_emb(triples[:,0]), rel_emb(triples[:,1]), ent_emb(triples[:,2])
    pos_score = ((h + r - t) ** 2).sum(-1)              # 距离越小越好

    neg_t = torch.randint(0, n_ent, (triples.size(0),)) # 负例：随机换尾实体
    neg_score = ((h + r - ent_emb(neg_t)) ** 2).sum(-1)

    # 合页损失：正例距离应比负例至少低出边际
    loss = F.relu(1.0 + pos_score - neg_score).mean()
    opt.zero_grad(); loss.backward(); opt.step()

# 推理：给定（实体2, 关系1, ?）给所有候选打分排序
with torch.no_grad():
    scores = ((ent_emb.weight[2] + rel_emb.weight[1] - ent_emb.weight) ** 2).sum(-1)
    ranking = scores.argsort()
print("补全候选排序（分数升序，前几名最可信）:", ranking[:4].tolist())
​

图生成：三条路线与评价

图生成的输出不是向量而是图本身，这带来两个独特问题：怎么处理离散且变长的结构、怎么评价生成质量。自回归路线把生成拆成决策序列：先决定加不加节点，再决定它与哪些已有节点连边——每步都是小分类问题，循环网络或 Transformer 都能当决策器；优点是天然支持条件生成（"生成带羧基的分子"），缺点是序列长了误差累积。隐空间变分路线先学图的连续隐表示，再从隐空间采样解码成图——训练稳定，一次成图，但对离散结构的解码需要松弛技巧。扩散路线先给图逐步加噪、再学反向去噪，当前在分子生成任务上质量领先，代价是采样步数多、算力贵。评价体系三件套：有效性（生成的分子能否对应合法化学结构）、独特性（生成的图是否互不雷同、不抄训练集）、分布贴近度（生成集合的统计性质与训练分布的距离，分子任务常用专门指标衡量化学空间重叠）。

# 自回归生成的决策骨架：每步回答"加节点吗、连到谁"
import torch
import torch.nn.functional as F

torch.manual_seed(1)
d = 16
node_rnn = torch.nn.GRUCell(d, d)          # 状态机：已生成图的摘要
add_head = torch.nn.Linear(d, 2)           # 决策一：继续加 or 停止
edge_head = torch.nn.Linear(2 * d, 1)      # 决策二：新节点连到哪个旧节点

def generate(max_nodes=8, stop_prob_bias=0.0):
    h = torch.zeros(1, d)                   # 初始状态
    nodes = [h.clone()]
    for step in range(max_nodes - 1):
        h = node_rnn(nodes[-1], h)          # 状态推进
        p_stop = F.softmax(add_head(h) + stop_prob_bias, dim=-1)[0, 1]
        if torch.rand(1) < p_stop:
            break
        # 新节点与每个旧节点逐一判断连边概率
        new_h = h
        edges = []
        for j, old in enumerate(nodes):
            p_edge = torch.sigmoid(edge_head(torch.cat([new_h.squeeze(0), old.squeeze(0)])))[0]
            if torch.rand(1) < p_edge:
                edges.append((len(nodes), j))
        nodes.append(new_h)
    return len(nodes), edges

n, e = generate()
print(f"生成图：{n} 个节点，{len(e)} 条边 {e[:6]}")
# 真实系统里状态机输入的是"已生成图的编码"而非单步隐状态，
# 且训练信号来自教师强制（按真实图的生成轨迹逐步监督）
​

两份卷宗的交汇

知识图谱与生成并非孤立：图谱上的推理可视为"约束驱动的受限生成"（补全即生成一条最可信的边），而生成的可控性技术（条件注入、约束解码）反过来服务图谱的规则校验。工业的典型组合拳：先在图谱上做关系推理缩小候选空间，再用条件生成产出具体结构（药物研发的"先找靶点再设计分子"正是此路）。第六章的四桩悬案至此全部结案，改造的艺术——分路、加时序、给证据、找免费监督、组合约束——构成图学习进阶阶段的主旋律。

本节要点

• 打分即补全：平移类重几何直觉、双线性类重交互、消息传递类重结构推断；评测须滤波。
• 生成三路线：自回归可控、变分稳定、扩散质量高，按算力与可控性需求取舍。
• 生成评价三件套：有效性、独特性、分布贴近度，缺一不可。
• 交汇点：图谱推理是受限生成，可控生成反哺图谱校验，组合拳是研发现场的常态。

高级主题收官。最后一章回到侦探社本身：验收规范、未破之谜、技术动向与职业操守——归档与展望。