知识推理——正向链接推理

基于规则的推理机使用的推理方式主要有三种
1、正向链接推理
2、逆向链接推理
3、混合推理

正向链接推理

在知识图谱中知识主要以显示知识和隐式知识两种。显示知识是知识图谱中已有的事实陈述，而隐式知识是有知识图谱中的显示知识、实体之间的语义关系以及规则共同暗指的事实。之所以叫正向链接，原因在于推理的过程是始终从知识库中已有的规则和知识来推理出隐含的知识,如下图所示。

刚开始，事实1和事实2是知识库中唯一的显示事实，事实1隐含着事实3、事实4和事实5的存在。当加入事实6之后，多个事实结合就会得到隐含知识7、8、9并最终推理出事实10.

正向链接推理的特点

1、在正向链接推理中，所有隐含的知识会在推理之后会被添加到知识库中。
2、每加入一个事实，就可以得到隐含的知识；
3、当所有的事实都添加完毕之后，经过推理后的知识图谱的规模会加大，在这个过程中有些不需要的知识也会被推理出，造成推理时间延长。

正向链接推理的优点：

1、简单，目前主流的推理机都支持正向链接推理。
2、扩大知识图谱规模；

正向链接推理的缺点：

1、降低检索性能
正如算法中信奉没有免费的午餐定理一样，优点往往也会带来缺点。正向链接推理在扩大知识图谱规模的时候，是不会选择性的推理的，需要的和不需要的都加入到现有的知识库中。以上图为例，用户可能只想得到事实10，实际的结果是同时也得到了不需要的事实7、8、9.长此以往，这些非必要知识会造成知识图谱空间上的浪费，增大了检索、推理计算的时间成本。
2、知识图谱灵活性降低
以上述图为例，如果在使用的过程中，您删掉了事实2，这会造成知识图谱中事实7、8、9和10为不合理存在，也会造成知识库中信息矛盾和不一致，增大了维护的成本。那能不能将事实2、7、8、9和10一并删除呢？ 答案是很难，这是一项很复杂的工作，当您删除事实的时候，所有知识库无法推理出的知识应该一并删除虽然看起来很简单，但实际上却十分复杂。原因在于，OWL等本体语义遵从开放世界假设；开放世界假设意思是如果不能明确说明事实A为假就不能说明这个事实为假。开放世界假设为语义网增强了系统的表达能力的同时也在推理带来了影响。

如何克服正向推理的缺点呢？

对于正向推理中灵活性低的问题，反向链接推理给出了较好的解决方案。
ps：有时间在些。