19、知识图谱上的规则归纳与推理

知识图谱上的规则归纳与推理

1. 归纳推理任务

非单调逻辑程序的答案集语义基于封闭世界假设（CWA），在该假设下，程序中无法推导的内容都被假定为假。非单调逻辑程序广泛应用于对不完整信息进行常识性演绎推理。

自动规则归纳是一个重要的研究领域，通常被称为规则学习，它是机器学习的一个重要子领域，专注于使用符号方法进行智能数据分析，通过特定的描述语言来表示学习到的知识。

一阶学习方法也被称为归纳逻辑编程（ILP），其目标是在背景知识的基础上，通过构建关于未知实例的假设，对个体实例或观察结果进行泛化。ILP中最常见的任务是学习关系的逻辑定义。

经典的从正例和反例进行归纳学习（也称为从蕴含关系学习）的定义如下：
- 给定条件 ：
- 目标n元关系p的正例E⁺和反例E⁻，即事实集合。
- 背景知识T，即关于各种关系的事实集合，可能包含用于推导p定义的规则。
- 对p定义的语法限制。
- 寻找内容 ：
- 定义目标关系p的假设Hyp，它需要满足：
- 完整性，即对于所有e ∈ E⁺，有T ∪ Hyp |= e。
- 一致性，即对于所有e′ ∈ E⁻，有T ∪ Hyp ̸|= e′。

例如，已知一些家庭成员之间的关系和他们的性别信息，但不知道“fatherOf”关系的具体含义。背景知识T如下：

T = {
    (1) parentOf (john, mary); 
    (2) male(john);