谱情感神经符号推理 II：语义节点合并、蕴涵过滤与知识图谱对齐
计算与语言
2025-11-17 v1 人工智能
神经与进化计算
摘要
本报告扩展了谱情感神经符号推理（Spectral NSR）框架，引入三个在语义上有 grounding 的增强：（1）基于上下文嵌入（如 Sentence-BERT、SimCSE）的 transformer 节点合并以减少冗余，（2）使用预训练 NLI 分类器（如 RoBERTa、DeBERTa）的句子级蕴涵验证以提高边缘质量，（3）与外部知识图谱（如 ConceptNet、Wikidata）对齐以补充缺失的上下文。这些修改在保持谱情感推理管道核心不变的同时，提高了图的忠实度。在 ProofWriter、EntailmentBank 和 CLUTRR 基准测试上的实验结果显示，方法在准确率上持续获得提升（最高可提升 3.8%），在对抗性案例上的泛化能力得到改善，推理噪声得到减少。其新颖之处在于，完全在谱推理阶段之前进行语义和符号的细化，无需依赖二次注意机制即可实现高效、可解释且可扩展的推理。总之，本 work 通过不改变核心谱推理引擎的方式，引入模块化的、在语义上有 grounding 的预处理步骤来提高图的质量，构建出一个更稳健、更可解释、更可扩展的推理系统，适用于开放域和实际场景的部署。
引用
@article{arxiv.2511.10655,
title = {Spectral Neuro-Symbolic Reasoning II: Semantic Node Merging, Entailment Filtering, and Knowledge Graph Alignment},
author = {Andrew Kiruluta and Priscilla Burity},
journal= {arXiv preprint arXiv:2511.10655},
year = {2025}
}