非欧几里得空间中的神经符号逻辑查询
人工智能
2026-03-18 v1
摘要
在知识图谱上回答复杂的一阶逻辑 (FOL) 查询对于推理至关重要。符号方法具有可解释性，但在处理不完整图谱时常感知力不足；而神经方法则能更好地泛化，但缺乏透明度。神经符号模型旨在整合两者的优势，但往往无法捕捉逻辑查询的层次结构，限制了其有效性。我们提出 HYQNET，一种完全利用双曲空间的神经符号模型，用于逻辑查询推理。HYQNET 将 FOL 查询分解为关系投影和对模糊集合的逻辑运算，从而增强可解释性。为解决缺失链接问题，采用双曲空间中的基于图神经网络的方法进行知识图谱完成，有效地嵌入递归查询树，同时保持结构依赖关系。通过利用双曲表示，HYQNET 比欧几里得方法更有效地捕捉逻辑投影推理的层次性。在三个基准数据集上的实验表明，HYQNET 取得了强大的性能，凸显了在双曲空间中进行推理的优势。
引用
@article{arxiv.2603.15633,
title = {Neural-Symbolic Logic Query Answering in Non-Euclidean Space},
author = {Lihui Liu},
journal= {arXiv preprint arXiv:2603.15633},
year = {2026}
}