Aug, 2023

神经符号化 RDF 和描述逻辑推理器：现状和挑战

PDF
TL;DR本文综述了在 RDF (S)、描述逻辑 EL 和 ALC，以及 OWL 2 RL 的支持下，基于神经符号推理的现有文献，讨论了采用的技术、解决的任务以及该领域的其他相关努力。
发现论文，激发创造
  • 深度神经网络本体推理

    本研究采用最新的深度神经网络训练方法，成功开发出了一种模型，可以学会在基本本体论推理的形式下有效地进行逻辑推理，进而可以应用于许多现实世界中的问题，并且在各项实验中表现出高度准确和生物学上的可行性。

    Aug, 2018

  • DaRLing: OWL 2 RL 本体推理下的 SPARQL 查询 Datalog 重写器

    描述了 DaRLing 系统，它是一个 OWL 2 RL 本体推理的 Datalog 重写器，在 SPARQL 查询下具有实际适用性。

    Aug, 2020

  • 超越传统神经网络：通过计算逻辑技术实现推理与学习能力的增加

    提出了改善知识注入过程、将机器学习和逻辑融入多智能体系统的解决方案。

    Aug, 2023

  • 学习描述逻辑本体的复杂性

    本文介绍了用于生命科学领域相关知识表示的本体论。提供了从计算学习理论中学习模型的正式规范，同时回顾了在这些模型中学习轻量级描述逻辑（DL）本体论的复杂性结果，最后，我们强调了文献中提出的其他学习 DL 本体论的方法。

    Mar, 2021

  • 图结构推理的神经符号人工智能：综述

    这篇论文调查了在图结构上执行神经符号推理任务的广泛方法，并提出了一个新的分类法来比较这些方法，包括基于逻辑推理嵌入方法、施加逻辑约束的嵌入方法和规则学习方法。此外，还提供了一个表格概述这些方法。

    Feb, 2023

  • 基于知识的神经符号潜变空间类比推理

    本论文提出了一种结合神经网络的模式识别能力、符号推理和背景知识来解决类比推理问题的框架，并应用于 RAVEN 的递进矩阵上，取得了与人类表现有竞争力甚至更优秀的结果。

    Sep, 2022

  • 神经符号训练用于空间语言推理

    通过使用神经符号技术对语言模型进行培训，可以利用推理的逻辑规则作为约束，并为模型提供额外的监督来源，以弥补由于无法达到所需的抽象水平而在未观察到的复杂输入组合中难以提供解决方案的问题。我们聚焦于文本上的空间推理这一具有挑战性的问题，通过在多个语言模型上的多个基准测试中的结果验证了基于神经符号训练的有效领域转移假设。

    Jun, 2024

  • DeepLogic: 基于端到端可微分的逻辑推理

    探索如何使用基于 RNN 的迭代神经网络将符号逻辑定义为字符级逻辑程序，使其在高维向量空间中学习推理，进一步分析学习推理算法如何产生逻辑程序中的原子、文字和规则表示，并针对谓词和常量符号的长度以及多次跳跃推理的步数进行评估。

    May, 2018

  • 带关系预测器的神经符号常识推理器

    本篇论文提出了一种神经符号推理器，可以处理大规模的动态常识知识图谱，通过学习逻辑规则，提供可解释性的预测，并在 CKGs 的链接预测任务上表现优于现有的技术。

    May, 2021

  • 知识图谱逻辑推理的神经方法

    本文介绍了一种使用神经网络来处理知识图谱上的多跳逻辑查询的方法，并展示了实验室中的卓越性能，该方法可以处理包括否定查询在内的全一阶逻辑查询。

    Sep, 2022