【博士论文】推理的表示学习：跨多样结构的泛化

文章预览

推理，即从现有知识中逻辑得出结论的能力，是人类的标志之一。与感知能力一起，它们构成了人工智能的两个主要主题。虽然深度学习在计算机视觉和自然语言处理等感知领域已经超越了人类水平，但在推理领域的进展却远远落后。一个根本原因是，推理问题通常在知识（例如，知识图谱）和查询（例如，多步查询）的结构上具有灵活性，许多现有模型只能在训练中见过的结构上表现良好。在本论文中，我们旨在通过设计能够在知识和查询结构之间进行泛化的算法，以及加速结构化数据开发的系统，推动推理模型的边界。本文分为三个部分。在第一部分中，我们研究了能够归纳泛化到未见过的知识图谱的模型，这些图谱涉及新的实体和关系词汇。对于新实体，我们提出了一个新颖的框架，该框架在动态规划算法中学习神经算子来计算路径表示[275 ………………………………