Neurosymbolic AI for Reasoning over Knowledge Graphs: A Survey

要約

神経記号 AI は、記号推論手法と深層学習を組み合わせて、その補完的な利点を活用する研究がますます活発になっている分野です。
ナレッジ グラフが異種データや多重関係データを表現する一般的な方法になりつつあるため、グラフ構造を推論する方法もこの神経象徴的パラダイムに従おうと試みられてきました。
従来、このようなアプローチでは、ルールベースの推論を利用するか、パターンを抽出できる代表的な数値埋め込みを生成していました。
しかし、最近のいくつかの研究では、この二分法を橋渡しして、解釈を容易にし、競争力のあるパフォーマンスを維持し、専門知識を統合するモデルを生成することが試みられています。
したがって、ナレッジグラフ上で神経象徴的推論タスクを実行する方法を調査し、それらを分類できる新しい分類法を提案します。
具体的には、(1) 論理情報に基づいた埋め込みアプローチ、(2) 論理制約を伴う埋め込みアプローチ、および (3) ルール学習アプローチの 3 つの主要なカテゴリを提案します。
分類法に加えて、より直接的な比較のために、アプローチの概要を表形式で示し、ソース コードが利用可能な場合はそのリンクも提供します。
最後に、これらの手法の固有の特性と限界について説明し、この研究分野が発展する可能性のあるいくつかの将来的な方向性を提案します。

要約(オリジナル)

Neurosymbolic AI is an increasingly active area of research that combines symbolic reasoning methods with deep learning to leverage their complementary benefits. As knowledge graphs are becoming a popular way to represent heterogeneous and multi-relational data, methods for reasoning on graph structures have attempted to follow this neurosymbolic paradigm. Traditionally, such approaches have utilized either rule-based inference or generated representative numerical embeddings from which patterns could be extracted. However, several recent studies have attempted to bridge this dichotomy to generate models that facilitate interpretability, maintain competitive performance, and integrate expert knowledge. Therefore, we survey methods that perform neurosymbolic reasoning tasks on knowledge graphs and propose a novel taxonomy by which we can classify them. Specifically, we propose three major categories: (1) logically-informed embedding approaches, (2) embedding approaches with logical constraints, and (3) rule learning approaches. Alongside the taxonomy, we provide a tabular overview of the approaches and links to their source code, if available, for more direct comparison. Finally, we discuss the unique characteristics and limitations of these methods, then propose several prospective directions toward which this field of research could evolve.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google