Neural-LP 的安装和配置教程

1. 项目基础介绍

Neural-LP 是一个开源项目，它实现了神经逻辑编程（Neural Logic Programming），这是一种用于知识库推理的可微分逻辑规则学习方法。该项目基于以下论文发表的研究成果：

《Differentiable Learning of Logical Rules for Knowledge Base Reasoning》 作者：Fan Yang, Zhilin Yang, William W. Cohen 会议：NIPS 2017

该项目主要使用 Python 编程语言。

2. 项目使用的关键技术和框架

项目使用的关键技术是神经网络与逻辑规则的结合，通过可微分的逻辑规则进行知识库推理。在框架方面，项目主要依赖于以下几种：

• Numpy: 用于高性能的数值计算。
• Tensorflow: 用于构建和训练神经网络模型，版本为 1.0.1。

3. 项目安装和配置的准备工作及详细步骤

准备工作

在开始安装之前，请确保您的系统中已经安装了以下依赖：

• Python 2.7
• Numpy
• Tensorflow 1.0.1

安装步骤

1. 克隆项目仓库

   打开命令行界面，使用 git 命令克隆项目：

   git clone https://github.com/fanyangxyz/Neural-LP.git
   

2. 设置环境变量

   根据您的操作系统，设置环境变量以便于访问 Python 包和项目文件。

3. 安装依赖

   在项目根目录下，使用以下命令安装项目依赖：

   pip install -r requirements.txt
   

   注意：确保您使用的是 Python 2.7 环境，因为项目不支持 Python 3。

4. 运行示例

   使用以下命令开始训练一个关于家庭关系的示例数据集，并将实验结果存储在 exps/demo/ 文件夹中：

   python src/main.py --datadir=datasets/family --exps_dir=exps/ --exp_name=demo
   

   训练过程可能需要大约 8 分钟。完成后，您可以在 exps/demo/ 目录下找到名为 rules.txt 的文件，该文件包含了学习到的逻辑规则。

5. 评估结果

   要评估预测结果，请按照以下步骤操作：

   • 使用脚本 eval/collect_all_facts.sh 收集所有事实：

     eval/collect_all_facts.sh datasets/family
     

   • 运行 get_truths.py 脚本获取真实值：

     python eval/get_truths.py datasets/family
     

   • 使用 evaluate.py 脚本评估测试预测：

     python eval/evaluate.py --preds=exps/demo/test_predictions.txt --truths=datasets/family/truths.pckl
     

按照以上步骤，您应该能够成功安装和配置 Neural-LP 项目，并运行示例以及评估结果。