本体以一种人类专家可以访问的方式象征性地表示人类领域的专业知识,并适用于各种应用。因此,它们被广泛用于科学研究。神经符号学领域的一个挑战是如何将本体中编码的知识与亚符号学习方法结合使用。在本章中,我们描述了一个通用的神经符号体系结构,用于使用本体论中的知识来提高应用于化学数据的深层神经网络预测的通用性和准确性。该体系结构由一个多层网络和一个多步骤训练过程组成:首先,给网络一个带有屏蔽语言步骤的自我监督预训练步骤,以学习输入表示。其次,网络被赋予一个本体预训练步骤,在该步骤中,网络学习预测本体类的成员身份,作为从本体学习组织知识的一种方式。最后,我们表明,对本体论训练网络的注意力权重进行可视化,可以对网络预测进行某种形式的解释。一般来说,我们提出了一个用于神经符号集成的三层体系结构,其中包括用于1)编码、2)本体分类和3)本体驱动逻辑丢失的层。
我们使用cookie为您提供最佳体验。它们还允许我们分析用户行为,以便为您不断改进网站。关于隐私政策IOS出版社。