基于多级关系路径语义组合的关系推理算法

针对目前知识图谱中存在关系事实缺失且对隐含知识挖掘不足等问题,提出一种基于多级关系路径语义组合的关系推理算法。将知识图谱嵌入到低维向量空间中,利用强化学习进行路径发现,使得路径中实体和关系对应的向量作为循环神经网络的输入,经过迭代学习输出多级关系路径语义组合的结果向量,并将结果向量与目标关系向量进行相似度计算,从而进行关系推理。在FB15K-237和NELL-995数据集上的实验结果表明,该算法事实预测精度分别为0.314和0.417,均优于PRA、TransE与TransH模型。     

描述逻辑εL循环术语集的混合推理

循环术语集是描述逻辑长期以来的研究难点,它最基本的问题即语义及推理问题没有得到合理的解决.分析了描述逻辑循环术语集的研究现状和存在的问题,在Baader和Brandt的基础上进一步研究了描述逻辑εL循环术语集的混合推理问题.给出了εL的混合循环知识库的语法和语义(包括不动点语义和描述语义).针对εL循环术语集混合推理的需要.提出了TBox-完全的概念,并重新定义了描述图(包括语法描述图和语义描述图).使用描述图之间的模拟关系和TBox-完全概念给出了最大不动点语义和描述语义下εL混合循环知识库的实例检测推理算法,证明了推理算法的正确性,并给出了推理算法的复杂性定理.     

路径张量分解的知识图谱推理算法*

现有张量分解技术在用于知识图谱学习和推理过程中时,只考虑知识图谱中实体与实体间的直接关系,忽略知识图谱图形结构的特点.因此,文中提出基于路径张量分解的知识图谱推理算法(PRESCAL),利用路径排列算法(PRA)获得知识图谱中各实体对间的关系路径.然后对实体对间的关系路径进行张量分解,并在优化更新过程中采用交替最小二乘法.实验表明,在路径问题回答任务和实体链接预测任务中,PRESCAL可以取得较好的预测准确率.     

描述逻辑非标准推理

描述逻辑是知识工程应用领域中重要的一类知识表示形式化工具。近年来,解决描述逻辑标准推理和非标准推理已成为描述逻辑研究的一个重要内容。文中概述描述逻辑的标准推理和非标准推理的重要性和研究进展,给出LCS推理、MSC推理、重写推理、匹配推理、调试推理和保守扩充等非标准推理的定义和实现这些推理的主要技术。深入讨论LCS推理、MSC推理和匹配推理,以及混合循环术语集的非标准推理及其研究进展。最后探讨描述逻辑非标准推理的发展趋向。     

可解释的知识图谱推理方法综述

近年来,以深度学习模型为基础的人工智能研究不断取得突破性进展,但其大多具有黑盒性,不利于人类认知推理过程,导致高性能的复杂算法、模型及系统普遍缺乏决策的透明度和可解释性。在国防、医疗、网络与信息安全等对可解释性要求严格的关键领域,推理方法的不可解释性对推理结果及相关回溯造成较大影响,因此,需要将可解释性融入这些算法和系统中,通过显式的可解释知识推理辅助相关预测任务,形成一个可靠的行为解释机制。知识图谱作为最新的知识表达方式之一,通过对语义网络进行建模,以结构化的形式描述客观世界中实体及关系,被广泛应用于知识推理。基于知识图谱的知识推理在离散符号表示的基础上,通过推理路径、逻辑规则等辅助手段,对推理过程进行解释,为实现可解释人工智能提供重要途径。针对可解释知识图谱推理这一领域进行了全面的综述。阐述了可解释人工智能和知识推理相关概念。详细介绍近年来可解释知识图谱推理方法的最新研究进展,从人工智能的3个研究范式角度出发,总结了不同的知识图谱推理方法。提出对可解释的知识图谱推理研究前景和未来研究方向。     

可重构知识管理系统中案例与规则的集成推理方法

传统上的知识管理工具往往在设计时就固定了知识结构,这样的系统不但缺乏通用性,而且也限制了知识检索与推理的效率。介绍一个基于本体的可重构知识管理系统,知识作为本体概念的对象实例,利用本体模型的可定制性,解决了以往知识类型不能扩展的问题。详细阐述了结合案例推理与规则推理的集成推理方法,通过规则学习算法支持了规则库的动态扩充与调整,并将本体类的语义关系应用于推理方法,进一步提高了推理的效率。最后介绍了该系统在某飞机设计研究院的应用情况和今后的研究方向。     

基于FLcom的模糊知识推理与搜索处理

基于区分矛盾否定、对立否定和中介否定的模糊命题逻辑形式系统FLcom,研究模糊知识及其不同否定的区分与形式表示,以及模糊知识推理与搜索处理。依据FLcom的语义解释,定义模糊命题的否定算子。具体采用Zadeh算子作为模糊推理算法,给出规则路径表的定义,利用规则路径表表示模糊推理规则及搜索过程。通过一个交通事故模型,讨论该模型的模糊推理及搜索过程,给出了搜索的算法及其实现结果。     

融合TuckER嵌入和强化学习的知识推理

知识推理是补全知识图谱的重要方法, 旨在根据图谱中已有的知识, 推断出未知的事实或关系. 针对多数推理方法仍存在没有充分考虑实体对之间的路径信息, 且推理效率偏低、可解释性差的问题, 提出了将TuckER嵌入和强化学习相结合的知识推理方法TuckRL (TuckER embedding with reinforcement learning). 首先, 通过TuckER嵌入将实体和关系映射到低维向量空间, 在知识图谱环境中采用策略引导的强化学习算法对路径推理过程进行建模, 然后在路径游走进行动作选择时引入动作修剪机制减少无效动作的干扰, 并将LSTM作为记忆组件保存智能体历史动作轨迹, 促使智能体更准确地选择有效动作, 通过与知识图谱的交互完成知识推理. 在3个主流大规模数据集上进行了实验, 结果表明TuckRL优于现有的大多数推理方法, 说明将嵌入和强化学习相结合的方法用于知识推理的有效性.     

基于Voronoi图的定性路径推理

动态空间知识的表示与推理是定性空间推理研究的重要内容.基于Voronoi图及其动态变化,提出运动路径定性表示与推理方法.先根据Voronoi图空间邻近关系定义Voronoi图生成子空间关系,进一步定义定性位置及概念邻域,并应用概念相邻的定性位置序列给出定性路径表示.再由动态Voronoi图的边集变化和给出的概念邻域中定性位置间最短路径的启发式算法,设计并实现具有观察者角度的定性路径推理算法.最后,实验分析并验证该方法的有效性.     

基于双向混合推理机的知识库系统

针对目前知识库系统推理效率不高和信息可信度不强的特点,本文结合正向推理和反向推理的优势,取长补短,提出了一种双向混合推理机.本文还设计了一个原型系统,采用知识点循环学习的方法来解决知识获取问题,以利于系统的智能化学习.     

基于WFPN的PAAIS知识表示及校验研究

驾驶员辅助决策人工智能系统(PAAIS)是辅助飞机驾驶员进行决策的智能系统,其核心是知识处理。以加权模糊Petri网(WFPN)表示PAAIS知识库中模糊产生式规则,并提出有效的模糊推理算法。针对PAAIS具有多个领域知识库的特点,提出基于WFPN的多知识库校验算法。     

基于知识Petri网的确定性和不确定性联合推理

知识推理是人工智能的核心领域,旨在研究如何从已知(知识库和推理规则)推理出未知,以帮助智能体做出科学决策.而智能体所处的环境存在不可观性和不确定性,因此知识库通常不仅包含确定性知识,还包含不确定性知识,而且推理过程需要两类知识紧密协作.然而,目前的推理方法无法将两类知识统一表示,常常将两者对应的推理过程割裂进行.基于此,为了实现在统一的模型架构下完成确定性和不确定性联合推理,给出了一种知识Petri网推理方法.首先,定义了一种新的知识Petri网,使其不仅能够描述确定性的知识规范,也可以描述先验概率知识;其次,根据知识Petri网的网结构,给出了一种知识Petri网概率独立剪枝算法,能够指数级地降低不确定性推理的计算复杂性;最后,利用知识Petri网及其概率独立剪枝算法,给出了一种新型推理算法,实现了确定性和不确定性的联合推理,并利用Wumpus世界进行了演示和验证.     

一种新的Petri网推理方法

提出一种新的基于Petri网的知识表达方法和逻辑推理算法，通过减少重复推理过程，充分利用推理过程中已经得到的中间结论，该算法比现有算法减少了推理步数，有效地提高了推理效率。     

基于BP算法的加权模糊Petri网权值学习算法

加权模糊Petri网缺乏较强的自学习能力,针对这个问题,给出了一个基于BP算法的加权模糊Petri网权值学习算法。该算法不需要对原有模型进行修改,使得加权模糊Petri网权值的学习和训练得到一定地简化。     

Gout-ITS系统的正向启发式推理算法

分析了痛风临床诊治智能教学系统（intelligent tutoring system for instruction of gout clinical diagnosis and treatment，Gout-ITS）要像人类医疗专家那样进行临床诊治推理所需的领域知识及其特点，提出了知识库的层次结构模型和正向启发式推理算法。该算法不仅能够对病例做出正确的诊断和有效的治疗，而且还能够使诊治代价降至最小。最后将该算法与一般产生式系统的正向推理算法进行了比较，阐述了该算法的优点。     

Meta-path reasoning of knowledge graph for commonsense question answering

Commonsense question answering (CQA) requires understanding and reasoning over QA context and related commonsense knowledge, such as a structured Knowledge Graph (KG). Existing studies combine language models and graph neural networks to model inference. However, traditional knowledge graph are mostly concept-based, ignoring direct path evidence necessary for accurate reasoning. In this paper, we propose MRGNN (Meta-path Reasoning Graph Neural Network), a novel model that comprehensively captures sequential semantic information from concepts and paths. In MRGNN, meta-paths are introduced as direct inference evidence and an original graph neural network is adopted to aggregate features from both concepts and paths simultaneously. We conduct sufficient experiments on the CommonsenceQA and OpenBookQA datasets, showing the effectiveness of MRGNN. Also, we conduct further ablation experiments and explain the reasoning behavior through the case study.     

Weighted fuzzy reasoning using weighted fuzzy Petri nets

This paper presents a Weighted Fuzzy Petri Net model (WFPN) and proposes a weighted fuzzy reasoning algorithm for rule-based systems based on Weighted Fuzzy Petri Nets. The fuzzy production rules in the knowledge base of a rule-based system are modeled by Weighted Fuzzy Petri Nets, where the truth values of the propositions appearing in the fuzzy production rules and the certainty factors of the rules are represented by fuzzy numbers. Furthermore, the weights of the propositions appearing in the rules are also represented by fuzzy numbers. The proposed weighted fuzzy reasoning algorithm can allow the rule-based systems to perform fuzzy reasoning in a more flexible and more intelligent manner     

Dynamic Uncertain Causality Graph for Knowledge Representation and Reasoning: Discrete DAG Cases

Developed from the dynamic causality diagram (DCD) model,a new approach for knowledge representation and reasoning named as dynamic uncertain causality graph (DUCG) is presented,which focuses on the co...     

低环境负荷水泥配料专家系统的设计与实现

低环境负荷水泥配料专家系统是专家系统技术在水泥工程上的应用。本文重点讨论了低环境负荷水泥配料专家系统中知识获取和表示、推理机等专家系统的核心技术。在知识表示上，采用了产生式、语义网络、框架多种方式相结合的表示方法；在推理机的实现过程中，采用正向推理和逆向推理策略。     

面向开放文本的逻辑推理知识抽取与事件影响推理探索

开放文本中蕴含着大量的逻辑性知识,以刻画事物之间逻辑传导关系的逻辑类知识库是推动知识推理发展的重要基础,研发大规模逻辑推理知识库有助于支持由实体或事件等传导驱动的决策任务。该文围绕逻辑推理知识库,论述了知识库的概念、类别和基本构成,提出了一种面向大规模开放文本的实体描述、事件因果逻辑知识快速抽取方法;面向金融领域,探索了一套基于逻辑推理知识库的可解释性路径推理方法和金融实体影响生成系统。算法模型和系统均取得了不错的效果。