深度学习：论文解读以及有关神经系统和符号系统

前言

侵删。如果有不对，欢迎提出来！话不多说，先膜拜参考文献的作者们。

导师：读论文不仅要读懂这篇论文的内容，还要深挖其内在：为什么作者选择这样的方式
我：嗯嗯嗯嗯好好好【不是很了解，所以我来记录一下，渣渣本渣】

论文

Neural Collaborative Reasoning 于2020年5月发表，属于推荐系统方向

摘要

现状;
协同过滤(CF)一直是推荐系统的重要途径。然而，现有的CF方法大多是基于匹配的思想来设计的，即通过使用浅层或深层模型从数据中学习用户和项目嵌入， 它们试图寻找数据中的关联，以便可以使用相似函数使用户嵌入与恰当的项嵌入相匹配。
不足：
我们认为，作为一项认知而不是感知智能任务，推荐不仅需要来自数据的模式识别和匹配能力，还需要数据中逻辑推理的能力。
主要思想：
在神经符号机器学习的最新进展的启发下，我们提出了一个神经协作推理框架，以整合嵌入学习和逻辑推理的力量， 其中嵌入从感知的角度捕捉数据中的相似模式，逻辑促进了知情决策的认知推理。挑战与措施：
问题：在共享架构中如何连接神经网络和符号推理，来进行优化和推理。 为了解决这一问题，我们提出了一种模块化的逻辑神经网络体系结构，它学习基于 逻辑正则化 的