通过逻辑增强生成与主动推理提取隐性知识

隐性知识在人类专长中至关重要，但难以被机器捕捉和形式化，尤其在依赖隐含假设与经验判断的程序性领域。现有知识工程难以将其转化为可查询、验证及推理的机器表示。本文提出一种神经符号框架，结合逻辑增强生成与受主动推理启发的方法，构建基于本体的知识图谱。在制造业知识转移案例中评估显示，该方法显著提升了知识的完整性与语义质量，推动了工业领域的神经符号知识工程发展。