一种基于图语言模型检查并提升本体一致性的方法与流程

摘要: 本技术涉及到人工智能,尤其涉及到一种基于图语言模型检查并提升本体一致性的方法。背景技术:1、在语义网(semanticweb)与标准数字化技术体系中,本体(on...
一种基于图语言模型检查并提升本体一致性的方法与流程

本技术涉及到人工智能,尤其涉及到一种基于图语言模型检查并提升本体一致性的方法。

背景技术:

1、在语义网(semantic web)与标准数字化技术体系中,本体(ontology)是承载领域共识知识的形式化工具。w3c推荐的owl2语言通过tbox(术语公理层)与abox(实例断言层)双层逻辑结构描述领域知识:

2、tbox:定义类(class)、子类(subclassof)、等价类(equivalentclass)、属性约束(objectproperty / dataproperty)、基数约束(qualified cardinality restriction)、交并补逻辑构造子等;

3、abox:描述个体(individual)及其与类、属性的实例化关系。

4、owl2的完整语义基于sroiq(d)描述逻辑(description logic),理论上支持完备的tableau算法推理。当前主流推理机(reasoner)如hermit、pellet、、jfact等均基于tableau或基于规则的前向链推理引擎实现。

5、然而,现有技术存在如下根本性瓶颈:

6、1.符号推理机的可扩展性缺陷

7、tableau算法在面临大规模本体()时,易触发非确定性分支爆炸,时间复杂度呈指数级增长。尤其在以下情形:

8、存在大量owl:unionof、owl:complementof、owl:somevaluesfrom嵌套;

9、tbox中存在循环定义或隐式互斥约束;

10、abox个体稠密连接。

11、工业实践中,单次一致性检查常需数十分钟甚至超时失败,且对cpu、内存资源消耗极大,难以满足实时标准服务、在线本体编辑平台的低延迟需求。

12、2.传统机器学习方法的语义浅层化问题

13、已有研究(如“ontology consistency prediction via machine learning”)尝试将本体一致性转化为二分类问题,提取特征包括:

14、类数量、属性数量、公理行数;

15、个体断言频次;

16、字符串相似度等表层统计量。

17、此类方法本质是统计拟合,未显式建模owl公理中的逻辑拓扑结构,导致:

18、无法区分“语法相似但逻辑相反”的公理(如vs );

19、对未见过的owl反模式(anti-pattern)泛化能力差;

20、不能定位矛盾根源,仅能做“黑盒判断”。

21、3.大语言模型(llm)的幻觉与长程逻辑短板

22、近期工作尝试直接prompt llm进行本体诊断(如“请判断该owl片段是否一致”),但存在:

23、llm预训练语料中owl原始语法占比极低,模型对、turtle序列化形式理解弱;

24、长距离逻辑依赖(>3跳)易被注意力机制稀释,出现“逻辑幻觉”;

25、自回归生成式架构不保证输出符合描述逻辑约束,可能虚构不存在的类关系。

技术实现思路

1、本技术提供了一种基于图语言模型检查并提升本体一致性的方法,用以在保持高精度前提下降低算力开销。

2、第一方面,提供了一种基于图语言模型检查并提升本体一致性的方法,包括以下步骤:

3、获取待检测的owl本体文件,将owl本体解析为语义依赖图;

4、基于逻辑耦合权重函数对所述语义依赖图进行模块化划分,得到多个逻辑自洽的子本体模块;所述逻辑耦合权重函数综合公理共享实体、语义最短路径长度及逻辑冲突风险项计算公理间依赖强度;

5、构造正样本集与负样本集;其中负样本集通过对一致性子本体模块注入预设owl反模式生成;

6、采用结构-词汇双通道向量化算法对各子本体模块进行嵌入表示;所述嵌入表示融合基于边类型偏置随机游走得到的结构嵌入与基于公理语言化模板得到的文本嵌入;

7、将子图嵌入与序列化公理文本拼接为图-文本异构输入序列,输入至预训练的图语言模型中,并在注意力计算过程中叠加逻辑边类型对应的可学习注意力偏置矩阵;

8、以多任务学习框架联合训练模块级一致性二分类损失与边级矛盾贡献度回归损失,得到训练后的本体一致性检测模型;

9、对待测本体执行推理,输出子模块一致性判定结果、矛盾根因公理定位信息及对应的自动修复建议。

10、在上述技术方案中,通过获取待检测的owl本体文件,将owl本体解析为语义依赖图;基于逻辑耦合权重函数对所述语义依赖图进行模块化划分,得到多个逻辑自洽的子本体模块;构造正样本集与负样本集;其中负样本集通过对一致性子本体模块注入预设owl反模式生成;采用结构-词汇双通道向量化算法对各子本体模块进行嵌入表示;所述嵌入表示融合基于边类型偏置随机游走得到的结构嵌入与基于公理语言化模板得到的文本嵌入;将子图嵌入与序列化公理文本拼接为图-文本异构输入序列,输入至预训练的图语言模型中,并在注意力计算过程中叠加逻辑边类型对应的可学习注意力偏置矩阵;以多任务学习框架联合训练模块级一致性二分类损失与边级矛盾贡献度回归损失,得到训练后的本体一致性检测模型;对待测本体执行推理,输出子模块一致性判定结果、矛盾根因公理定位信息及对应的自动修复建议;在保持高精度前提下降低了算力开销。

11、在一个具体可实施方案中,所述语义依赖图为带逻辑边类型标记的有向多重图,其节点包括命名类节点、属性节点、个体节点及匿名逻辑构造子节点,边类型至少涵盖子类关系、等价关系、互斥关系、存在量词约束、全称量词约束、基数约束及实例断言。

12、在一个具体可实施方案中,所述逻辑耦合权重函数的计算公式为:;

13、其中,指示公理与是否共享类或属性,为语义依赖图中两公理关联节点的最短路径长度,指示是否存在“子类关系指向互斥类”的逻辑冲突风险项,α、β、γ为预设权重系数。

14、在一个具体可实施方案中,所述模块化划分采用改进的louvain算法,且在社区合并阶段施加划分约束:若当前子模块包含通过owl:imports声明的外部依赖类,则将所述外部依赖类所在的模块设定为当前子模块的父上下文模块,禁止将所述外部依赖类拆分至独立无关子模块。

15、在一个具体可实施方案中,所述预设owl反模式包括:

16、互斥子类冲突反模式、属性域冲突反模式、个体类型矛盾反模式、基数约束溢出反模式以及循环定义反模式;

17、所述负样本生成时记录注入公理与原有公理之间的冲突传播路径,并将所述冲突传播路径作为边级弱监督标签的标注依据。

18、在一个具体可实施方案中,所述结构-词汇双通道向量化算法中,随机游走的节点转移概率引入边类型权重系数,其中互斥关系的边类型权重最高,其次为存在量词约束边,其余边类型权重依次递减,使得游走序列对潜在矛盾传播路径具有采样偏向性。

19、在一个具体可实施方案中,所述图-文本异构输入序列的格式为:;

20、其中所述topk路径为按pagerank值排序的前k条高中心性逻辑链。

21、在一个具体可实施方案中,所述可学习注意力偏置矩阵blog的初始化方式为:互斥关系边的偏置值大于存在量词约束边的偏置值,存在量词约束边的偏置值大于普通子类关系边的偏置值,其余边类型偏置值初始化为零,以引导transformer注意力头优先关注高逻辑风险拓扑结构。

22、在一个具体可实施方案中,所述自动修复建议以sparql update语句形式生成,具体修复策略根据边级矛盾贡献度回归输出的top-n高归因边映射到预定义修复规则库确定,包括删除冗余子类公理、调整属性定义域/值域、放宽基数约束上限或解除循环定义约束中的一种或多种组合。

23、第二方面,提供了一种基于图语言模型检查并提升本体一致性的系统,包括:

24、语义图构建模块,用于将owl本体解析为带逻辑边类型标记的有向多重图;

25、自适应划分模块,用于基于逻辑耦合权重函数对所述有向多重图执行逻辑强度感知的模块化划分;

26、样本构造模块,用于通过反模式注入生成一致性样本与非一致性样本;

27、融合嵌入模块,用于执行结构-词汇双通道随机游走并生成图-文本融合嵌入;

28、图语言模型推理模块,用于加载经多任务训练后的图语言模型,执行一致性分类与矛盾归因;

29、修复建议生成模块,用于将矛盾归因结果映射为可执行的标准化修复脚本。

30、在上述技术方案中,通过获取待检测的owl本体文件,将owl本体解析为语义依赖图;基于逻辑耦合权重函数对所述语义依赖图进行模块化划分,得到多个逻辑自洽的子本体模块;构造正样本集与负样本集;其中负样本集通过对一致性子本体模块注入预设owl反模式生成;采用结构-词汇双通道向量化算法对各子本体模块进行嵌入表示;所述嵌入表示融合基于边类型偏置随机游走得到的结构嵌入与基于公理语言化模板得到的文本嵌入;将子图嵌入与序列化公理文本拼接为图-文本异构输入序列,输入至预训练的图语言模型中,并在注意力计算过程中叠加逻辑边类型对应的可学习注意力偏置矩阵;以多任务学习框架联合训练模块级一致性二分类损失与边级矛盾贡献度回归损失,得到训练后的本体一致性检测模型;对待测本体执行推理,输出子模块一致性判定结果、矛盾根因公理定位信息及对应的自动修复建议;在保持高精度前提下降低了算力开销。