（神经-符号）机器学习用于不一致性度量

我们提出了基于机器学习的方法，用于确定命题逻辑知识库的 \emph{不一致程度}——即一个数值——具体而言，我们提出了回归和神经网络模型，这些模型学习预测不一致度量 $\incmi$ 和 $\incat$ 将为命题逻辑知识库分配的值。我们的主要动机是，传统计算这些值在计算复杂度方面可能具有挑战性。作为一个重要的补充，我们使用 underlying 不一致度量的 specific 后设条件，即属性，用作从中推断符号规则，这些规则我们以约束的形式与学习模型结合在一起。我们进行了各种实验，表明 a) 在许多情况下预测程度值是可行的，b) including 来自理性后设条件推断的符号约束会增加预测质量。