逻辑规则在许多领域中是一种流行的知识表示语言，能够以紧凑的形式表示背景知识并编码从给定事实中推导出的信息。然而，规则的制定是一个复杂的过程，需要深厚的专业领域知识，并且在当今大型、异构和不完整的知识图谱面前面临更大的挑战。随着时间的推移，已经提出了几种自动学习规则的方法，包括最近的神经网络系统。然而，该领域缺乏足够的数据集和评估方法：现有的数据集往往类似于玩具示例，既不能涵盖规则之间的各种依赖关系，也不允许测试可扩展性。我们介绍了一种工具，用于生成不同种类的数据集并评估规则学习系统，包括新的性能指标。