计算机科学>人工智能
标题: 通过复杂逻辑假设生成推进知识图中的外推推理
摘要: 诱因推理是一种通过有根据的猜测来解释观察结果的过程。 尽管许多应用程序需要使用知识进行解释,但将溯因推理与结构化知识(如知识图)结合使用在很大程度上仍未得到探索。 为了填补这一空白,本文介绍了复杂逻辑假设生成任务,作为使用KG进行溯因逻辑推理的第一步。在这一任务中,我们旨在生成复杂逻辑假设,以便它能够解释一组观察结果。 我们发现,监督训练的生成模型可以生成结构上更接近参考假设的逻辑假设。 然而,当推广到未观察到的观察时,此训练目标并不能保证更好的假设生成。 为了解决这一问题,我们引入了强化知识图学习(RLF-KG)方法,该方法将观察结果与根据KG生成的假设得出的结论之间的差异降至最低。实验表明,在RLF-KG的帮助下,生成的假设提供了更好的解释, 并在三个广泛使用的KG上取得最先进的结果。