知识增强的神经机器推理是一个前沿但具有挑战性的研究领域，具有广泛的实际应用。近年来，大量研究利用各种形式的外部知识来增强深度模型的推理能力，以应对有效的知识整合、隐式知识挖掘、可处理性和优化问题等挑战。然而，缺乏对现有的跨不同应用领域的知识增强推理技术的全面技术综述。本文对该领域的最新进展进行了深入研究，提出了一种新的分类法，将现有的知识增强方法分为两个主要类别和四个子类。系统地讨论了这些方法，并强调了它们的相关性、优势和局限性。最后，阐述了当前的应用领域，并对未来的研究前景进行了展望。
论文链接：https://arxiv.org/ftp/arxiv/papers/2302/2302.02093.pdf
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢