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