[发明专利]用于工程系统的知识图的逻辑规则归纳的系统

权利要求书

1.一种用于工程系统设计的知识图的一阶逻辑规则公式归纳的系统，包括：

处理器；以及

存储有由所述处理器执行的模块的存储器，所述模块包括：

人工智能(AI)模块，被配置为接收用于工程系统的多个知识图，每个知识图表示用作候选的唯一工程系统设计，AI模块包括：

过滤模块，用于基于识别出断开节点的由不同节点集群所带来的显著部分来确定所述多个知识图中的每一个是否断开，并且响应于确定知识图被断开，触发对断开的知识图的一阶逻辑规则归纳；

集束搜索引擎，被配置为针对每个断开的知识图执行以关注节点连接的边为限的聚合搜索，并且为所述搜索的每个路径定义子图；

公式生成器，被配置为生成多个候选逻辑规则公式，其中，对于每个候选逻辑规则公式：(i)通过使用反向索引将边类型映射到一组子图并找到子图的满足候选公式的交集来消除重复子图，以及(ii)所述公式受到公式链长度L的至少两个自变量的要求的约束；以及

公式评估器，被配置为对基础候选公式进行公式评估，并且根据评估标准从候选公式中选择排名前k的公式；

其中，逻辑公式归纳通过对每次迭代将候选公式扩展到链长度L+1来重复所述聚合搜索、候选公式生成和公式评估的迭代，重复直到达到链长度的定义限制为止。

2.根据权利要求1所述的系统，其中，所述评估标准包括覆盖率、准确度、置信度得分或它们的组合。

3.根据权利要求1所述的系统，其中，聚合集束搜索在每次迭代时将搜索域扩展一跳。

4.根据权利要求1所述的系统，其中，所述公式通过将每个节点标记或枚举为所有不同连接可能性中的特定实例来具有动态的基础。

5.根据权利要求1所述的系统，其中，所述过滤模块确定知识图满足连通性标准，并且作为连通知识图触发逻辑规则公式归纳，所述系统还包括：

图神经网络，被训练为预测查询图的第一类并预测干扰图的第二类；以及

反事实解算器引擎，被配置为求解对查询图朝向干扰图的最小编辑数，将预测的查询图第一类转换为预测的第二类。

6.根据权利要求5所述的系统，其中，所述反事实解算器引擎被进一步配置成：

根据置换矩阵重新排列所述干扰图的特征；

应用门控向量与重新排列特征的矩阵的第一哈达玛积；以及

应用所述门控向量的反转与查询图特征的矩阵的第二哈达玛积；

其中，由所述第一哈达玛积和所述第二哈达玛积之和来形成反事实矩阵，并且由所述门控向量来表示最小编辑数。

7.根据权利要求6所述的系统，其中，所述图神经网络被训练成学习所述置换矩阵。

8.一种用于工程系统设计的知识图的一阶逻辑规则公式归纳的方法，包括：

由人工智能(AI)模块接收用于工程系统的多个知识图，其中，每个知识图具有断开节点的由不同节点集群所带来的显著部分，每个知识图表示用作候选的唯一工程系统设计；

确定所述多个知识图中的每一个是否被断开，并且响应于确定知识图被断开，触发断开知识图的一阶逻辑规则归纳，包括：

对于每个断开的知识图，执行以关注节点连接的边为限的聚合搜索；

执行候选公式生成，每个候选公式表示由集束搜索引擎找到的相应边，每个公式受到公式链长度L的至少两个自变量的要求的约束；

执行公式评估以确定每个候选公式是否有效，并根据定义的标准从候选公式中选择排名前k的公式；其中，逻辑公式归纳通过对每次迭代将候选公式扩展到链长度L+1来重复所述聚合搜索、候选公式生成和公式评估的迭代，重复直到达到链长度的定义限制为止。

9.根据权利要求8所述的方法，其中，所述定义的标准包括覆盖率、准确度、置信度得分或它们的组合。

10.根据权利要求8所述的方法，其中，聚合集束搜索在每次迭代时将搜索域扩展一跳。