规则推理——前向链路推理前向链路推理的特点前向链路推理的优点:前向链路推理的缺点:如何克服前向推理的缺点?基于规则的推理机使用的推理方式主要有三种
1、前向链路推理
2、反向链路推理
3、混合推理
前向链路推理
在知识地图中知识主要表示知识和隐含知识两种。 知识是知识图中已有的事实陈述,而隐性知识是知识图中显示知识、实体之间的语义关系和规则共同暗指的事实之所以称为前向链路,是因为推理过程总是来自知识库已有的规则和知识来推理出隐含的知识,如下图所示。
起初,事实1和事实2表明知识库中唯一的事实,事实1暗示了事实3、事实4、事实5的存在。 添加事实6,多个事实相结合以获得隐式知识7、8和9,最终推论出事实10。
正向链接推理的特征1,正向链接推理中,隐含知识都是在推理后添加到知识库中的。
2、每加入一个事实,就能获得隐含的知识;
3、所有事实一增加,经过推理的知识图谱规模就会变大,过程中不必要的知识也会被推理,推理时间会变长。
前向链路推理的优点: 1、简单,目前主流的推理机都支持前向链路推理。
2、扩大知识图谱规模
前向链路推理的缺点: 1、搜索性能下降
正如我们信奉算法没有免费的午餐定理一样,优点也往往带来缺点。 前向链推理在扩大知识地图规模时,不会有选择地进行推理,需要的和不需要的东西会嵌入到现有的知识库中。 在上图的示例中,用户可能只想要获得事实10,但实际结果同时也获得了不需要的事实7、8和9。 传统上,这些不必要的知识导致知识图空间的浪费,增加了检索、推理计算的时间成本。
2、知识图谱灵活性降低
以上图为例,如果在使用中删除事实2,则知识图中存在不合理的事实7、8、9和10,这会导致知识库中的信息不一致和不一致,从而增加维护成本。 那个可以一起删除事实2,7,8,9和10吗? 答案很难。 这是一项非常复杂的工作。 删除事实时,必须一起删除所有知识库中无法推理的知识。 看起来很简单,但实际上非常复杂。 这是因为本体(如OWL )的含义遵循开放世界的假设; 开放世界假说是指,如果不能明确说明事实a是假的,就不能说明这个事实是假的。 假设开放世界在使语义网增强系统表达能力的同时影响了推理。
如何克服正向推理的缺点? 对于前向推理中灵活性较低的问题,反向链路推理给出了较好的解决方案。
ps :我有时间。