首页 > 其他分享 >5-3知识图谱推理-基于Ontology的推理

5-3知识图谱推理-基于Ontology的推理

时间:2024-07-18 12:00:34浏览次数:17  
标签:关系 OWL 图谱 Tableaux 算法 本体 Ontology 推理

基于符号逻辑的知识图谱推理方法

基于Ontology的推理:

       RDF→Resource Description Framework(资源描述框架):

              三元组:subject(主)->predicate(谓)->object(宾)

      

       基于RDF和RDFS的简单推理:

              利用subclassof判断关系。

       OWL扩展RDF-Schema:

              提供了更多的描述类和属性的表达构建。如声明两个类的相交性或互补性。可以定义传递关系,互反关系。还可以使用property chains 定义关系的关系。

      

       OWL的描述逻辑语义及语法:

              构造算子、语法、语义、例子:

                     原子->A->Human

                     原子关系→R→has_child

                     合取->CΠ D->HumanΠ Male

                     析取→CᴜD→DoctorᴜLawyer

                     非→¬C→¬male

                     存在量词→∃R.C→{x|∃y.<x,y>∈R∧y∈C}→∃has_child.Male

                     全称量词->∀R.C->{x|∀y.<x,y>∈R->y∈C}->∀ has_child.Doctor

       OWL本体推理:概念包含推理:

              包含关系推理是定义在Tbox上面的推理,一般基于Tbox中的Axiom推断两个概念之间是否存在包含关系。

       OWL本体推理:实例检测推理:

              实例检测推理主要用于计算符合某个概念或关系定义的所有实例。

     

       典型本体推理算法:Tableaux算法:

              OWL本体上海鲜的各种推理都可以用Tableaux算法来实现。

              Tableaux算法的基本思想是通过一系列规则构建Abox,以检测知识库的可满足性。

              Tableaux算法将概念包含、实例检测等推理都转化为可满足性检测问题来实现。

              Tableaux算法检查可满足性的基本思想类似于一阶逻辑的归结反驳。

       Tableaux算法:

              运算规则:(以主要DL(描述逻辑)算子举例):

                     初始情况下,∅是原始的Abox,迭代运用以下规则

       OWL本体推理工具:FaCT++;Racer;Pellet;HermiT

标签:关系,OWL,图谱,Tableaux,算法,本体,Ontology,推理
From: https://blog.csdn.net/w_gun/article/details/140519258

相关文章

  • 知识图谱与LLMs:实时图分析(通过其关系的上下文理解数据点)
    大型语言模型(LLM)极大地改变了普通人获取数据的方式。不到一年前,访问公司数据需要具备技术技能,包括熟练掌握各种仪表板工具,甚至深入研究数据库查询语言的复杂性。然而,随着ChatGPT等LLM的兴起,随着所谓的检索增强型LLM应用程序的兴起,隐藏在私人数据库中或可通过各种AP......
  • 新手学习AIGC的步骤与图谱
    学习人工智能和生成式对话模型(ArtificialIntelligenceandGenerativeConversationalModels)是一项令人兴奋且具有挑战性的任务!以下是一些我认为可行的学习步骤和路径:初学者学习AIGC的步骤:掌握基础知识:学习基本的编程语言,如Python,这是人工智能领域中最常用的语言之......
  • OpenSNN推文:OpenAI 正在开发代号为“Strawberry”的新推理技术
    7月12日——据知情人士和路透社审查的内部文件称,ChatGPT制造商OpenAI正在一个代号为“Strawberry”的项目中研究其人工智能模型的新方法。该项目的细节此前未曾报道过,但微软支持的初创公司正在竞相证明其提供的模型类型能够提供高级推理能力。根据路透社5月份看到的......
  • LLM大模型:推理优化-知识蒸馏
      1、有些模型比较大,推理时的效果还不错,但非常耗费计算资源;并且产生token的速度也很慢,大概1秒1个token(我的RAG在最后一步使用的secGPT-13B大概就是这个速度),一个问题回答完毕要耗费分钟级别的时间,用户直接抓狂,继续提升推理的速度!大模型本质是大量的矩阵运算,想要提高效......
  • d3.js生成知识图谱--实现节点的颜色分类,节点点击事件处理
    首先看一下节点的数据内容:nodes:[{id:1,name:'刘备',type:'皇上'},{id:2,name:'关羽',type:'将军'},{id:3,name:'张飞',type:'将军'},{id:4,name:'诸葛亮',type:......
  • LeViT:Facebook提出推理优化的混合ViT主干网络 | ICCV 2021
    论文提出了用于快速图像分类推理的混合神经网络LeVIT,在不同的硬件平台上进行不同的效率衡量标准的测试。总体而言,LeViT在速度/准确性权衡方面明显优于现有的卷积神经网络和ViT,比如在80%的ImageNettop-1精度下,LeViT在CPU上比EfficientNet快5倍来源:晓飞的算法工程笔记公众号论......
  • OpenAI 曝新项目「草莓」,提升 AI 推理能力;智谱 AI 开源视频理解模型丨 RTE 开发者日报
      开发者朋友们大家好: 这里是「RTE开发者日报」,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享RTE(Real-TimeEngagement)领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」,但内容仅代表编辑的个人观点,欢......
  • 【人工智能】 知识表示与推理(八数码 + 传教士与野人渡河)
    目录一、八数码难题1.需求分析2.数据结构、功能模块设计与说明2.1算法思路2.2数据结构3.核心代码与测试结果说明3.1核心代码3.2测试结果说明4. 存在的问题与体会4.1存在的问题4.2体会二、传教士与野人渡河1.需求分析2.数据结构、功能模块设计与说明......
  • 探索GraphRAG:构建高效的知识图谱索引与查询引擎
    GraphRAG系统简介GraphRAG是一个基于图的检索增强生成系统,它通过索引文本数据,然后使用这些索引数据来回答有关文档的问题。系统的核心在于其索引管道和查询引擎,它们共同工作,以提供快速且准确的信息检索服务。环境准备在开始之前,请确保你的开发环境中已安装Python3.10至3......
  • LLM用于时序预测真的不行,连推理能力都没用到
    语言模型真的能用于时序预测吗?根据贝特里奇头条定律(任何以问号结尾的新闻标题,都能够用「不」来回答),答案应该是否定的。事实似乎也果然如此:强大如斯的LLM并不能很好地处理时序数据。时序,即时间序列,顾名思义,是指一组按照时间发生先后顺序进行排列的数据点序列。在很多领......