【自然语言处理】知识图谱之知识推理「建议收藏」

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$All$（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：

$$\exists x(Math(x))\to Prof(x)$$

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$Math$与$Prof$就是所谓的逻辑“谓词”（可以任意赋值），也就是说，$Math(x)$的意思代表”$x$是数学家“，而谓词$Prof(x)$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

$$\forall x,yCapitalOf(x,y)\to LocatedIn(x,y)$$

• 谓词： $CapitalOf,LocatedIn$
• 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：$CapitalOf(Beijing,China)\to LocatedIn(Beijing,China)$