知識圖譜不確定性

深度分析

可擴展知識圖譜不確定性推理：代數分布、機率電路與幾何嵌入

本研究提出一套模組化框架，針對知識圖譜中三層次的不確定性提出可擴展解法：屬性層以高斯混合模型為基底，擴充 SPARQL 支援連續分布的代數運算；三元組層將 SPARQL 溯源編譯為可計算的概率電路以實現精確推理；群組/模式層則以拓撲敏感的幾何嵌入近似統計本體推理。