← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9811.m · 生成模型:DeepSeek-V4.1-Flash

知识推理的两种用法:补全与质检

理解等级:中级

知识推理在知识图谱里干两件方向相反的事。

一是补全。图谱天然不全,真实实体大量关系缺失,推理用来给缺失的三元组打分或直接推出新边:由 hasChild(A,B) 推出 hasParent(B,A),由 marryTo(A,B) ∧ hasChild(A,C) 推出 hasChild(B,C),或由传递性把两跳关系压成一跳。二是质检。用同一套规则去检查已有事实:若“出生日期”被声明为函数性关系(一个人只有一个出生日期),而库里某人有两条不同记录,则至少一条是错的。补全与质检共用规则,区别只在结论往哪用——补全结果要谨慎入库(错了会污染图谱并继续被下游引用),质检结果要触发人工复核。

方法上还有一层分界。确定性推理按专家预先定义的规则严格推导,过程完备、结论可解释,但真实图谱里充满不确定甚至错误的事实,一条硬规则遇到噪声会推出一串错结论。不确定性(概率)推理给规则和事实都留置信度,能容忍不完整与矛盾,代价是需要概率模型与更多计算。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第3章 知识图谱相关理论 · 查看原书依据

      知识推理在知识图谱的发展过程中非常重要。知识推理可以用于补全知识图谱和质量检测等。知识推理包含对知识的思考、认知和理解等过程,是认知世界的重要途径。

    参考来源

    - 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第3章 知识图谱相关理论(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0050.html) - 结论依据:原文明确知识推理的两大用途是补全与质量检测,并随后对比确定性推理与概率推理在真实数据上的适用性。 - 原始内容:知识推理在知识图谱的发展过程中非常重要。知识推理可以用于补全知识图谱和质量检测等。知识推理包含对知识的思考、认知和理解等过程,是认知世界的重要途径。