MMAug, 2021

基于代数度量的答案集编程对多关系文本层次结构推理

PDF
TL;DR本文介绍 Contextualized Knowledge Repository（CKR）框架的扩展，能够支持多种情境关联，并使用了新的推理方式 ——ASP with algebraic measures。新的扩展框架比以往更加强大，例如可以进行关于 CKRs 的认知查询的推理，并为其他应用程序的量化 ASP 扩展开辟了有趣的前景。
发现论文，激发创造
  • 情境生成的上下文推理（技术报告）

    本文介绍了如何将 MR-CKR 理论应用于自主车辆场景数据的生成，包括基于多维数据的语义引导数据生成，并介绍了 MR-CKR 和代数度量的组合框架的证明性概念原型。

    May, 2023

  • 一个便于应用嵌入 Answer Set Programming 的开发框架

    该研究论文介绍了一种将 Answer Set Programming（ASP）的知识表示和推理能力整合到通用应用程序中的框架，并且展示了在不同平台的 ASP 系统中，特定化该框架的正确方法，包括移动平台和教育场景，并开发了几个基于 ASP 的应用程序。

    Jul, 2017

  • 基于 Answer Set Programming 的定性理论编码和推理的一般方法

    这篇论文提出了使用 ASP 作为一个统一的形式化语言来解决需要定性推理和非定性推理的问题，提出了一族可以处理任何二进制关系资料的 ASP 编码，并且在真实数据集的实验中进行了评估。

    Aug, 2020

  • 超越三元组：上下文知识图表示与推理

    本文介绍了知识图谱（KGs）以及其与关系知识的上下文信息的整合，重点讨论了基于三元组的 KGs 存在的局限性和上下文 KGs 的优势，并提出了 KGR$^3$，一个利用大型语言模型（LLMs）进行 KG 推理的范例，实验证明 KGR$^3$ 显著提高了 KG 补全和 KG 问答任务的性能，验证了将上下文信息整合到 KG 表示和推理中的有效性。

    Jun, 2024

  • 基于概率逻辑的常识表征框架：用于建模具有多个前提和变化可能性的推理

    本论文研究如何更好地表示常识知识，提出了一种概率逻辑表示方案和一种层次化概念本体论，能够更灵活地表示信念，并在神经符号应用中使用。通过专家注释和群众众包，将这个框架扩展到 PrimeNet 知识库，并展示其在更易解释的语义解析和问题回答中的应用。

    Nov, 2022

  • 基于上下文相关例子的答案集程序迭代学习

    本文提出了一种基于上下文的 Inductive Logic Programming (归纳逻辑编程) 扩展方法，通过结构化背景知识建模上下文依赖，进一步提出了一种新的算法 ILASP2i，应用于具有大量例子的学习任务，与传统方法 ILASP2 相比，同时保持平均正确率的情况下，速度提高了两个数量级，内存使用量减小了两个数量级，从而极大地提高了系统的可扩展性。

    Aug, 2016

  • 基于有限多值语义的加权条件知识库神经网络推理 ASP 方法

    本篇论文研究了具有典型性的加权条件 ALC 知识库的三种不同语义构建，在逻辑语义学中，基于 “概念分层” 多重优先语义。利用 ASP 和 “asprin” 进行推理，以 phi-coherent 语义为基础，适用于表征 MLPs 的静止状态。作为概念验证，我们尝试检查训练的 MLPs 的性质。

    Feb, 2022

  • 一种基于多值权重知识库的可退化推理复杂度与可扩展性研究

    本篇论文研究了多层感知器的逻辑解释，以及在描述逻辑和多偏好语义下加权知识库的防御性推理问题，并提出了新的 ASP 编码和关键字搜索解决方案。

    Mar, 2023

  • 提升知识图谱中多跳逻辑推理的上下文感知查询表示学习

    通过全面整合 FOL 查询图的上下文，我们提出了一种模型不可知的方法，增强了现有的多跳逻辑推理方法，在两个数据集上的实验中，我们的方法始终提升了三个多跳推理基准模型的性能，最高可达 19.5%。

    Jun, 2024

  • ASPeRiX，基于一阶前向链接技术的答案集计算方法

    该论文提出了一种将 Answer Set Programming 应用于人工智能或在解决组合问题时表示知识的自然方法，其中介绍了一种前向链接的方法，通过在搜索过程中将规则的实例化与之融合来避免了先前的阶段。

    Mar, 2015