推理分类学变更：探索 Perelleschus 用例的对齐

生物类群的分类和系统发育推断会随着新见解的出现而发生变化。随着时间的推移，这些变化可能导致通过重复使用符合法规或非正式名称来追踪分类学观点时出现不完美。为了缓解这些局限性，我们引入了一种通过人类专家与逻辑推理器交互来对齐分类学的新方法。我们利用 Franz & Cardona-Duque (2013) 的 Perelleschus 用例探讨了该方法的性能。该用例包含从 1936 年到 2013 年发表的六个分类系统、54 个分类学概念（即根据其各自来源出版物个体化的名称界定），以及 75 个由专家断言的区域连接演算（Region Connection Calculus）表述（例如一致、真包含、重叠或排斥）。使用开源推理工具包在异构约束和解释下分析了 13 对 Perelleschus 分类系统对齐。推理工作流优化了输入的逻辑一致性和表达力，并推断出蕴含分类学概念之间最大信息量的关系集。后者随后用于生成交融可视化图，以表示对齐输入树中所有的一致和非一致分类学元素。在这个每个对齐包含 6-53 个输入概念的小型用例中，通过推理过程获得的信息量平均比输入高出一个数量级。该方法为追踪后续分类学观点之间的来源提供了可扩展的解决方案，这些观点可能在命名惯例、系统发育分辨率、内群和外群采样，或外延（成员引用）与内涵（属性引用）概念及表述方面存在差异偏差。