逻辑引导的图去噪扩散模型

arXiv:2610.23766v1 公告类型：新 摘要：图扩散模型是生成复杂图结构数据的有竞争力的方法。然而，当这类分布具有严格的结构约束时，扩散模型可能无法准确捕捉这些约束，从而生成无效图。在本文中，我们提出了一种通过一阶逻辑（FOL）将图扩散模型建立在领域特定知识之上的方法，利用其具有表达力且可解释的形式化体系，对生成过程施加结构约束。我们使用分类器引导来融入领域知识。分类器引导是一种使扩散模型的分布以外部变量为条件、从而控制采样数据的技术。在生成过程中，分类器引导会引导去噪轨迹，以优化一个目标函数；我们将该目标函数定义为逻辑规则的模糊且可微松弛形式。我们的方法只需要用FOL指定约束，并在推理时鼓励满足这些约束，以引导预训练生成模型。我们通过比较知识图谱的无条件生成与我们的逻辑引导框架来评估该方法，后者在推理过程中将领域本体作为结构约束纳入其中。该方法显著提高了所生成图满足本体约束的比例。