【自然语言处理】知识图谱之知识推理「建议收藏」

全栈程序员-站长 • 2022年5月24日下午8:00 • 未分类 • 阅读 75

大家好，又见面了，我是你们的朋友全栈君。

其实这些都没多大用，你既然点击来看了，那就看完吧，关门

1. 知识推理的分类

归纳推理
- 归纳推理所推出的结论是没有包含在前提内容中的。
- 由个别事物推出一般性的知识的过程，是以为增殖新知识的过程。
演绎推理：
- 在已知领域内的一般性知识的前提下，通过求解一个具体的问题，或者证明一个结论的正确性。它所得出的结论，实际上早已蕴含在一般性的知识的前提中。
- 演绎推理只是将已有的事实揭露出来，因此不能增殖新的知识。
确定性推理
- 多数时候是指逻辑推理，具有完备的推理过程，和充分的表达能力，可以根据预先设定好的规则，准确的推导出最终的结论。
- 局限性：很难应对真实的世界中。
不确定性推理
- 也被称为概率推理，是统计机器学习中一个重要的议题。
- 并不是严格的按照规则进行推理，而是根据以往的经验分析，结合先验知识构建概率模型，并利用统计计数，最大化后验概率等统计学习的手段对推理假设进行验证或者推测。
- 不确定性推理可以有效的建模真实世界中的不确定性。
符号推理
- 在知识图谱中的实体和关系符号上直接进行推理。
数值推理
- 与符号推理相对，使用数值计算，尤其是向量矩阵计算的方法，捕捉知识图谱上隐含的关联，模拟推理的进行。

2. 知识推理的规则

一阶谓词逻辑规则

一阶逻辑

一阶逻辑是一种形式系统（Formal System)，即形式符号推理系统，也叫一阶谓词演算、低阶谓词演算(Predicate Calculus）、限量词（Quantifier）理论，也有人称其为“谓词逻辑”，虽然这种说法不够精确。
总而言之，一阶逻辑是一种形式推理的逻辑系统，是一种抽象推理的符号工具。

一阶逻辑不同于单纯的“命题逻辑”（Proposition Logic），因为，一阶逻辑里面使用了大量所谓“限量词变量”（Quantified variables），比如： $\exists x$ （意思是存在一个变量 $x$ ），限量词符号 $\exists$ 是把字母“E”从左向右反转过来产生的，其原本的意思的“Exist”（存在)；而限量词∀x（对所有的变量 $x$ ），符号 $\forall$ 是将字母”A“从下向上反转而产生的，其原本意思是 $A l l$ （所有、全部）。在这里，逻辑符号 $\exists$ 和 $\forall$ 就是一阶逻辑的”限量词“（Quantifer）。实际上，在一阶逻辑的文献中，你会看到以下一阶逻辑的逻辑表达式：

$\exists x (M a t h (x)) \to P r o f (x)$

注意：其中的箭头符号 $\to$ 表示：”如果…，那么…“的逻辑关系，而该逻辑表达式里面的字符串 $M a t h$ 与 $P r o f$ 就是所谓的逻辑“谓词”（可以任意赋值），也就是说， $M a t h (x)$ 的意思代表” $x$ 是数学家“，而谓词 $P r o f (x)$ 表示 $x 是教授$ 。那么，上述整个逻辑表达式的意思是：有一个（或存在一个）数学家 $x$ 是教授。

一阶谓词逻辑规则

$\forall x, y C a p i t a l O f (x, y) \to L o c a t e d I n (x, y)$

谓词： $C a p i t a l O f, L o c a t e d I n$
个体变量： $x$ , $y$
逻辑蕴涵： $\to$ ，表示 ’若…, 则…‘ 的语义
全体量词： $\forall$ ，表示’对任意的‘，’凡‘，’都‘ 等语义
规则体（body）：CapitalOf(x,y), 表示该规则的前提
规则头（head）：LocatedIn(x,y), 表示该规则的结论
规则实例： $C a p i t a l O f (B e i j i n g, C h i n a) \to L o c a t e d I n (B e i j i n g, C h i n a)$