知识图谱推理

知识推理分类 （https://zhuanlan.zhihu.com/p/78744231?from_voters_page=true）
    基于逻辑的推理
    基于规则的推理
    基于分布式的推理

一，逻辑推理与本体推理
    1. 背景：OWL语言逻辑基础——描述逻辑
    2. 核心算法：Tableaux算法
    3. 相关工具： FaCT++、Racer、Pellet、Hermit
    4. 本体推理的局限：
        （1）仅支持本体公理上的推理
        （2）无法定义自己的推理过程

二，基于规则的推理
    1. 基于逻辑编程的方法
        原理：逻辑编程是种编程典范，它设定答案须符合的规则来解决问题，而非设定步骤来解决问题。即：
        事实+规则=结果
        编写方法：Prolog语言 (SWI-Prolog )
    2. 基于逻辑编程改写的方法——Datalog
        Datalog是Prolog的一种适应于知识库的改进形式语言。Datalog是一种数据查询语言语法与Prolog相似
        Datalog优缺点：
            简单容易学习
            克服Prolog语言的缺点：表示方法不够规范，不宜在计算机中使用和处理；
            适合于处理具有大容量的数据和知识；
            可以改善递归查询算法。
    3. Jena
        Jena是一个开源的Java语义网框架，提供了RDFS、OWL和通用规则推理机
    4. 基于一阶查询重写的方法
        常见思路：以Datalog为中间语言，先将SPARQL语言转化为Datalog，然后再将Datalog重写为SQL
    5. AMIE
        AMIE算法的全称是基于不完备知识库的关联规则挖掘算法（Association Rule Mining under Incomplete Evidence），
        通过依次学习预测每种关系的规则：对于每种关系，从规则体为空的规则开始，通过三种操作扩展规则体部分，保留支持度大于阈值的候选（闭式）规则。

 三，基于分布式的推理. 分布式推理
    将实体向量表示（Embedding）在低维稠密向量空间中，然后进行计算和推理。
    5.1 经典翻译模型：Trans系列
        TransE
        TransH
        TransR
        TransD
    5.2 张量分解的模型
        张量分解算法是将整个知识图谱看作一个大的张量，通过张量分解技术分解为很多个小的张量片，即将高维的知识图谱进行降维处理
        经典算法：RESCAL
    5.3 距离模型：
        经典算法：SE模型
    5.4 其他模型：双线性模型，单层神经网络模型
    5.5 开源工具：OpenKE

四，路径推理
    1. 基本原理：
        根据知识图谱图形结构的特点，利用实体间的路径关系进行推理计算，其实质是摒弃人为编写规则的模式，让机器借助模式识别等方式自助的学习规则和特征
    2. 经典算法：PRA（Path Ranking Algorithm）
        2.1 前身：Page Rank
        2.2 PRA的主要原理：
            通过随机游走来学习知识图谱的关系特征，能够定量计算两个节点之间是否有关系，存在关系的概率有多大。
        2.3 PRA的改进：SFE模型
        2.4 其他算法：
            Adamic Adar algorithm、Common Neighbors algorithm 、Preferential Attachment algorithm等

五、 总结
    工业上：逻辑、规则、PRA
    学术上：分布式（知识表示）


##-------------------------------------------------------------------------------

逻辑包括形式逻辑和数理逻辑（符号逻辑）
    形式逻辑包括归纳逻辑与演绎逻辑

    命题逻辑、一阶逻辑、高阶逻辑、模态逻辑、时态逻辑、空间逻辑、认知逻辑、描述逻辑、概率逻辑、逻辑程序、答题程序、过程规则、模糊逻辑……数理逻辑
    形式逻辑（普通逻辑）、数理逻辑、哲学逻辑、模糊逻辑、非形式逻辑、辩证逻辑、制约逻辑等。


一阶逻辑在知识图谱的知识推演中作用，如何获取一阶逻辑? https://www.zhihu.com/question/37457849
  漆桂林：
    简单的本体推理（DL-Lite）对于知识图谱还是有用的
    另外，关系的functionality声明也可以用于检测不一致。
    通过subclass, domain, range，可以对知识图谱做补全。用关联规则挖掘就可以做出来了，见AMIE的工作。

  鲍捷：
    推理的成本很高，所以在工业界的实践中，逐渐就把推理废弃了。
    大部分的推理任务，是可以转化为图上的查询的。
    推理机是很强大，但是大多数工程师掌握不了。
    所以SPARQL rules或者neo4j的查询也就够用了。
    一阶逻辑系统在实战中也比较难以驾驭，通常会用描述逻辑或者逻辑编程logic programming。基于过程语义的规则系统比较实用，如 RIF PRD。


##-------------------------------------------------------------------------------
Neo4j中推理：
    1，关系的传递性
        规则：
            if：
                实体1-[依赖]-实体2
                实体2-[依赖]-实体3
            then：
                实体1-[依赖]-实体3
        inference.py中已经实现

    2，关系的逆反
        规则：
            if：
                姚明-[Wife]-叶莉
            then：
                叶莉-[Husband]-姚明

    3，常识规则
        规则：if A->B && B->C then A->C
            if：
                实体1-[关系1]-实体2
                实体2-[关系2]-实体3
            then：
                实体1-[关系3]-实体3

        示例：
            create (n:Human {name:"姚沁蕾"})
            create (y:Human {name:"叶莉"})
            create (m:Human {name:"姚明"})
            merge p = (n)<-[:Father]-(m)-[:Wife]->(y)-[:Mother]->(n) return p

            match (a)-[:Wife]->(b)-[:Mother]->(c)
            return (a)-[]-(c)

            match (n:Human) detach delete n;

##------------------------------------------------------------------------------
OWL中的属性特性
    1，传递属性（Transitive）
        P(x,y) 与 P(y,z) 蕴含 P(x,z)，
        locatedIn是传递属性。
    2，对称属性（Symmetric）
        P(x,y)当且仅当P(y,x)，
        siblings是对称属性
    3，逆（owl:inverseOf）
        P1(x,y) 当且仅当P2(y,x)
        P1是wife，P2是husband

    4，函数型属性（Functional）
        P(x,y) 与P(x,z) 蕴含 y = z
    5，反函数型的（InverseFunctional）
        P(y,x) 与 P(z,x) 蕴含 y = z


类（Class 概念）
    描述：
        Equivalent To（等价）-------
        SubClass Of（子类）-------
        General class axioms（通用类公理）
        Subclass Of(Anonymous Ancestor)（继承匿名的类）继承父类的关联关系，匿名类定义在父类中，被子类继承，是子类的必要条件
        Instances（实例）类所包含的个体
        Target for Key（关键字），描述类的行为和属性
        Disjoint With（不相交）------- 互斥的类，不存在一个个体同时属于两个 Disjoint class
        Disjoint Union Of（不相交的类集合）互斥的类的集合，一个类的所有子类都不相交


关系（Object Property）
    Characteristics：特性：
        Functional（函数型）
        InverseFunctional（反函数型）
        Transitive（传递性）-------
        Symmetric（对称性）-------
        Asymmetric（非对称性）
        Reflexive（自反性）
        Irreflexive（反自反性）
    Description：描述：
        Equivalent to（等价）
        Subproperty of（子属性）
        Inverse of（逆）-------
        Domains（定义域）
        Ranges（值域）
        Disjoint With（不相交）
        Superproperty Of（父属性）


属性（Data Property）
    Characteristics：特性：
        Functional（函数型）
    Description：描述：
        Equivalent to（等价）
        Subproperty of（子属性）
        Domains（定义域）
        Ranges（值域）
        Disjoint With（不相交）


实例（instances）
    Description：描述：
        Type（类型）
        Same Individual As（相同的实体）
        Different Individual（不同的实体）
    property assertions（属性断言）
        Object property assertions：对象关联声明，通过事物关联其它个体
        Data property assertions：数据关联声明，设置个体数据关联
        Negative object property assertions：否定对象关联声明
        Negative data property assertions：否定数据关联声明

参考：

https://zhuanlan.zhihu.com/p/78744231?from_voters_page=true