KG/CognitiveInference
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

Update README.md

Browse Source
This commit is contained in:
liuhuanyong 2020-08-30 22:24:47 +08:00 committed by GitHub
parent 46ac75c154
commit 7947f4ff4d
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 1 additions and 1 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

2
README.md
View File

@ -5,7 +5,7 @@ Cognitive Inference，认知推理、常识知识库、常识推理与常识推
# 项目介绍 # 项目介绍
常识推理是人工智能的高级阶段，基于已有知识，运用知识推理机技术，完成限定领域决策行为，能够在充分减少人为劳动的同时，产生经济效益。例如，基于已知知识进行知识推理，采用如事件驱动传导路径等进行知识发现，能够辅助于业务的推理和辅助决策，在智能投研进行未知风险预警、在舆情分析中对公司进行舆论控制和监控。 常识推理是人工智能的高级阶段，基于已有知识，运用知识推理机技术，完成限定领域决策行为，能够在充分减少人为劳动的同时，产生经济效益。例如，基于已知知识进行知识推理，采用如事件驱动传导路径等进行知识发现，能够辅助于业务的推理和辅助决策，在智能投研进行未知风险预警、在舆情分析中对公司进行舆论控制和监控。
"逻辑知识库"+"逻辑推理机"的混合协作模式，是目前实现以上目的的重要方式。 "逻辑知识库"+"逻辑推理机"的混合协作模式，是目前实现以上目的的重要方式。
"逻辑知识库"作为描述现实社会事件之间传导关联的库，需要在规模、质量，领域针对性三个方面入手进行解决。具体地，作者通过对自己所涉及的推理项目进行系统回顾，认为，推理类常识知识库，应该从垂直和横向两个维度出发进行构建。 "逻辑知识库"作为描述现实社会事件之间传导关联的库，需要在规模、质量，领域针对性三个方面入手进行解决。具体地，作者通过对自己所涉及的推理项目进行系统回顾，认为，推理类常识知识库，应该从纵向和横向两个维度出发进行构建。
# 一、纵向常识逻辑 # 一、纵向常识逻辑
纵项常识逻辑需要考虑的是类人的抽象和概括能力，这个需要抽象、概念性、上下位知识的构建，可以让机器模仿人类的举一反三和概括总结的技能。例如，作者对纵向常识逻辑，形成了以下工作: 纵项常识逻辑需要考虑的是类人的抽象和概括能力，这个需要抽象、概念性、上下位知识的构建，可以让机器模仿人类的举一反三和概括总结的技能。例如，作者对纵向常识逻辑，形成了以下工作: