计算机研究与发展

作者：黄宇轩,姜远,

关键词：反绎学习, 机器学习, 逻辑推理, 反绎推理, 神经符号学习,

近年来，许多研究工作致力于将数据驱动的机器学习和知识驱动的逻辑推理相结合，以提高机器学习的性能.其中，不少工作尝试利用反绎推理，将机器学习与逻辑推理融合到一个框架中.这些方法通过机器学习模型生成伪标记，然后利用反绎推理来修正不一致的伪标记，以更新机器学习模型并多次迭代.然而，反绎中可能会存在错误标记，这些标记会对模型训练产生负面影响且难以被发现.因此提出一种带拒绝推理的反绎学习方法，它同时考虑反绎标记的模型不确定性和推理不确定性，从数据层面和知识层面综合评估反绎结果的可靠性，并通过拒绝部分反绎推理结果来避免不可靠的反绎标记对模型训练的负面影响.实验表明，提出的方法可以减少错误反绎标记的比例、加速反绎学习的训练并带来更好的性能.

来源：2024年第7期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2024年第7期