6.1 推理概述
6.1.1 什么是推理
邏輯推理：
演繹推理（Deductive Reasoning）：
自上而下
給定一個或者多個前提的情況下，推斷出一個必然成立的結論的過程
歸納推理（Inductive Reasoning）
自下而上，典型是歸納泛化（Inductive Generalization）,統計推理（Statistical Syllogism）
即便是最理想的歸納推理，如果作為推理前提的部分已有觀察為真，也不能保證結論一定成立。
分類：
溯因推理（Abductive Reasoning）
給定一個或者多個已有觀察事實O（Observation），並根據已有的知識庫（T），推斷出最有可能的解釋過程（E）。
滿足條件：
E可以由O和T推理得出
E和T是相關且相容的。
前提和結論並沒有必然的關系
舉例：下雨了馬路一定會濕（T）,如果觀察到馬路是濕的（O）,很大概率是因為下雨了（E）
類比推理（Analogy Reasoning）
基於對一個事物的觀察而進行的對另一個事物的歸納推理
不當類比的原因： 類比事物不相關，類比理由不充分，類比預設不當
舉例：小明和小紅都喜歡歌手A和B，小紅喜歡歌手C,推斷小明喜歡歌手C
自然語言推理（Natual Language Inference）:判斷兩個給定句子的蘊含關系
給定兩個句子一個前提（Permise）,一個假設結論（Hypothsis）,目標是在給定的前提情況下，是否可以推理出假設結論的句子。
答案：“沖突（Contradiction）”,“蘊含（Entailment）”，“中立（Neutral）”
6.1.2 面向知識圖譜的推理
基於圖譜中已有的事實或者關系推斷出未知的事實或者關系：
新的事實（New Facts）
新的關系（New Relations）
新的公理（New axioms）
新的規則（New Rules）
一般着重考察實體，關系和圖譜結構三個方面的特征信息。
推理任務：圖譜補全，不一致性檢測，查詢擴展。
圖譜融合涉及的推理：實體對齊（Entity Alignment）和關系對齊/屬性對齊（Relation/Property Alignment）
技術：
基於演繹的知識圖譜推理：
描述邏輯，
Datalog,
產生式規則
基於歸納的知識圖譜推理：
圍繞對知識圖譜結構的分析
對知識圖譜中元素的表示學習
利用圖中搜索和分析進行規則學習以及強化學習
6.2 基於演繹的知識圖譜推理
6.2.1 本體推理
1. 本體與描述邏輯概述