- 通过自动化知识图生成和丰富加速医学知识发现
医疗知识图谱自动化 (M-KGA) 是一种创新方法，通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强，以整合预训练嵌入向量，从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法，以发现知识图谱中隐藏的连接 - COLING透过解决推翻实现自然语言的具有普适性和精确性逻辑推理
提出了一种名为 GFaiR 的新框架，它引入了分辨解证法的范式，以解决现有大型语言模型在自然语言中表达的形式逻辑理论推理问题上的理论不完备性问题。实验证明，在复杂情境下，我们的系统表现出卓越的性能，同时在简单情境中保持着良好的性能，且 GF - 极简联合逻辑
基于并发博弈模型的联盟逻辑，包含了三个强假设，而新提出的基于一般并发博弈模型的联盟逻辑则不包含这些假设，并展示了其完备性和与传统联盟逻辑的比较。
- 评估特征归因方法的双重视角方法
特征归因方法通过识别相关特征来解释神经网络的预测结果，本研究在 “忠实度” 范式内提出了两个新视角：可靠性和完备性，分别评估特征是否真正预测，以及归因结果是否完整，并基于数学基础提供可计算的定量度量，将这些指标应用于主流归因方法，为分析和比 - 受限伪命题逻辑的解析
本研究展示了如何将命题演绎推广到受限伪命题逻辑（CPPL）中，这是将自然数与少量约束符号插入命题逻辑字母表并相应地调整底层语言所导致的扩展。虽然该限制被认为是不必要的，但本研究提供了一种建设性证明，证明了 CPPL 的广义演绎推理是正确而完 - 开放世界知识库中的完整性、召回率和否定性：一项调查
本文介绍了有关知识库的完整性、回溯和否定的表示、提取和推断的方法，以及对应的方法及其工作原理的基本方法，并针对两类受众提出了解决不完备知识库方面的建议。
- 使用弱化和完成修复 EL 本体
本文提出一种交互式方法，通过弱化和完善公理修复本体的错误，同时讨论不同的组合策略并进行实验，展示了本文方法在正确性和完整性方面的良好表现。
- 重复项检测服务
本文提出了以服务为基础的方法，旨在提高知识图的完整性并在未需专业知识的前提下实现实例的去重，其具有易于使用性和竞争力，并已在工业应用中得到采用。
- 描述逻辑的统一模块化序列系统
我们介绍了一个能够构建表达式描述逻辑 ALC 扩展的序列系统的框架。我们的框架不仅涵盖了各种常见的描述逻辑，而且还允许获取具有特殊公式的扩展描述逻辑的序列系统，我们称之为 “角色关系公理”。所有的序列系统都是声音和完整性，并具有高度保持常见 - 关于在深度神经网络中基于概念的完整性感知解释
本文研究深度神经网络的基于概念的可解释性，提出了一种概念完备性度量和一种概念发现方法来寻找既能够解释模型预测，又易于理解的完备概念集，并提出 ConceptSHAP 方法来为每个概念定义重要性得分，在合成和真实数据集上验证了方法的有效性。
- 利用回归不变性学习因果结构
在多环境中研究因果推断，介绍使用变量的功能关系的不变性来推断算法的完整性，提出了基线算法和交替算法，并展示了与其他现有算法相比所提出算法的性能优势。
- WSDM知识库完整性预测
本文研究如何利用规则挖掘和多种信号来预测知识库中可能缺失的某些事实，以提高知识库的完整性，并展示完整性预测对事实预测的辅助作用。
- 一种针对可反驳逻辑的模型论语义
本文研究了可撤销逻辑的模型论语义。该逻辑具有证明论，并且在所提供的语义条件下是准确和完整的。同时，本文还简要概述了这种方法如何扩展到各种可撤销逻辑。