用于知识图谱概率推理的Swift马尔可夫逻辑

Luigi Bellomarini; Eleonora Laurenza; Emanuel Sallinger; Evgeny Sherkhonov

用于知识图谱概率推理的Swift马尔可夫逻辑

人工智能 2022-10-04 v1

作者: Luigi Bellomarini , Eleonora Laurenza , Emanuel Sallinger , Evgeny Sherkhonov

摘要

我们提供了一个在基于Vadalog的知识图谱(KGs)中进行概率推理的框架，满足本体推理的需求：完全递归、强大的存在量词、归纳定义的表达。Vadalog是一种基于Warded Datalog+/-的知识表示与推理(KRR)语言，Warded Datalog+/-是存在规则的逻辑核心语言，在计算复杂性与表达力之间取得了良好平衡。处理不确定性对于基于KG的推理至关重要。然而，现有的概率逻辑编程与统计关系学习方法由于若干原因未能涵盖Vadalog与Warded Datalog+/-，包括对有存在量词递归的支持不足，以及无法表达归纳定义。在本工作中，我们引入Soft Vadalog，作为Vadalog的概率扩展，满足上述需求。一个Soft Vadalog程序诱导出我们称之为概率知识图谱(PKG)的结构，其由追跑实例(chase instances)网络上的概率分布构成，这些结构是通过追跑过程(chase procedure)将规则在数据库上接地而获得的。我们利用PKG进行概率边缘推理。我们讨论了相关理论并提出了MCMC-chase，一种在实践中使用Soft Vadalog的蒙特卡洛方法。我们将该框架应用于解决数据管理与工业问题，并在Vadalog系统中进行了实验评估。该工作正在Theory and Practice of Logic Programming (TPLP)审稿中。

关键词

概率推理知识图谱 Vadalog Soft Vadalog 概率知识图谱边缘推理 MCMC-chase

引用

@article{arxiv.2210.00283,
  title  = {Swift Markov Logic for Probabilistic Reasoning on Knowledge Graphs},
  author = {Luigi Bellomarini and Eleonora Laurenza and Emanuel Sallinger and Evgeny Sherkhonov},
  journal= {arXiv preprint arXiv:2210.00283},
  year   = {2022}
}

备注

Under consideration in Theory and Practice of Logic Programming (TPLP)

用于知识图谱概率推理的Swift马尔可夫逻辑

摘要

关键词

引用

备注

相关论文