6.1 推理概述
6.1.1 什么是推理
逻辑推理：
演绎推理（Deductive Reasoning）：
自上而下
给定一个或者多个前提的情况下，推断出一个必然成立的结论的过程
归纳推理（Inductive Reasoning）
自下而上，典型是归纳泛化（Inductive Generalization）,统计推理（Statistical Syllogism）
即便是最理想的归纳推理，如果作为推理前提的部分已有观察为真，也不能保证结论一定成立。
分类：
溯因推理（Abductive Reasoning）
给定一个或者多个已有观察事实O（Observation），并根据已有的知识库（T），推断出最有可能的解释过程（E）。
满足条件：
E可以由O和T推理得出
E和T是相关且相容的。
前提和结论并没有必然的关系
举例：下雨了马路一定会湿（T）,如果观察到马路是湿的（O）,很大概率是因为下雨了（E）
类比推理（Analogy Reasoning）
基于对一个事物的观察而进行的对另一个事物的归纳推理
不当类比的原因： 类比事物不相关，类比理由不充分，类比预设不当
举例：小明和小红都喜欢歌手A和B，小红喜欢歌手C,推断小明喜欢歌手C
自然语言推理（Natual Language Inference）:判断两个给定句子的蕴含关系
给定两个句子一个前提（Permise）,一个假设结论（Hypothsis）,目标是在给定的前提情况下，是否可以推理出假设结论的句子。
答案：“冲突（Contradiction）”,“蕴含（Entailment）”，“中立（Neutral）”
6.1.2 面向知识图谱的推理
基于图谱中已有的事实或者关系推断出未知的事实或者关系：
新的事实（New Facts）
新的关系（New Relations）
新的公理（New axioms）
新的规则（New Rules）
一般着重考察实体，关系和图谱结构三个方面的特征信息。
推理任务：图谱补全，不一致性检测，查询扩展。
图谱融合涉及的推理：实体对齐（Entity Alignment）和关系对齐/属性对齐（Relation/Property Alignment）
技术：
基于演绎的知识图谱推理：
描述逻辑，
Datalog,
产生式规则
基于归纳的知识图谱推理：
围绕对知识图谱结构的分析
对知识图谱中元素的表示学习
利用图中搜索和分析进行规则学习以及强化学习
6.2 基于演绎的知识图谱推理
6.2.1 本体推理
1. 本体与描述逻辑概述