NeurOWL：基于LLM的不完整OWL本体推理神经符号框架

OWL本体提供了支持语义推理的形式化知识表示框架，已在医疗与生物信息学等领域广泛应用。然而实践中，真实世界的本体往往不完整，给推理带来挑战。本文关注一个基本的包含关系推理问题：给定不完整本体与一个候选（未被蕴含的）包含关系，判断该包含关系在语义上是否合理，若是，则给出一个逻辑可靠、包含潜在缺失公理的解释。该任务把包含关系验证与本体溯因统一起来，并通过取消对预定义缺失公理候选集的依赖推广了后者。为解决这一包含关系推理问题，我们提出NeurOWL，一个端到端神经符号框架，联合执行验证与溯因，通过大语言模型与本体嵌入同时利用形式化定义的语义与文本语义。我们在跨多个领域的真实本体上评估NeurOWL，证明其在不同领域均有强劲且稳健的表现。