ALIST：用于推理、存储与迁移的关联逻辑——Web 上推理的通用语言
人工智能
2023-03-14 v1
摘要
近期在构建知识图谱支持方面的进展，导致 Web 上及组织内部知识图谱的创建迅速增长。加之包括关系数据库、API 等在内的既有数据源，对查询这些异构知识源的技术存在强烈需求。尽管如 SPARQL 等形式化查询语言可用于查询部分知识图谱，用户仍需知晓所需查询的知识图谱及其所需资源的唯一资源标识符。虽然神经信息检索中的替代技术将知识图谱内容嵌入向量空间，但它们未能提供所需的表示与查询表达能力（例如无法处理回归等非平凡聚合函数）。我们认为，一种能够实现此类表示灵活性的通用语言（即形式化体系）将提升智能自动化代理通过推理组合异构数据源的能力。我们的工作提出一种灵活的表示（alists）以支持对异构知识源的智能联邦查询。我们的贡献包括：（1）一种将查询表示从其知识图谱特定查询语言中抽象出来的形式化体系；（2）一种动态策展数据及函数（操作）以在异构知识源上执行非平凡推理的表示；（3）展示 alists 表示多样性表示形式（包括 SPARQL 查询，更一般地一阶逻辑表达式）的表达能力。
引用
@article{arxiv.2303.06691,
title = {ALIST: Associative Logic for Inference, Storage and Transfer. A Lingua Franca for Inference on the Web},
author = {Kwabena Nuamah and Alan Bundy},
journal= {arXiv preprint arXiv:2303.06691},
year = {2023}
}