一阶逻辑中基于树分支图神经网络的前提选择方法技术

本发明专利技术提供一种一阶逻辑中基于树分支图神经网络的前提选择方法，包括如下步骤：

【技术实现步骤摘要】
一阶逻辑中基于树分支图神经网络的前提选择方法


[0001]本专利技术涉及人工智能的形式化验证领域，特别是在自动定理证明器的预处理阶段，一种一阶逻辑中基于树分支图神经网络的前提选择方法
。

技术介绍

[0002]随着自动定理证明器的问世和发展，越来越多的数学定理被转换为一阶逻辑公式，且被自动定理证明器所证明
。
虽然自动定理证明器的性能在提升，但随着计算机科学的发展和自动定理证明实际应用的扩大，旨在推理小规模数学问题的自动定理证明器必须面对越来越多从一些大型知识库和实际应用中转换而成的大规模的问题
。
这些问题被称为大理论，通常包含成千上万个前提，而仅有非常少的一部分前提才对问题结论的证明有用
。
[0003]由于大理论包含了数量极多的无用前提，自动定理证明器在证明该类问题时，其搜索空间会呈爆炸型增长，从而会导致计算机资源被很快地耗尽，进而导致自动定理证明器的性能大幅降低
。
解决该挑战的有效途径之一是前提选择，即在自动定理证明的预处理阶段，从大规模前提集中评估并选择出最有可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种一阶逻辑中基于树分支图神经网络的前提选择方法，其特征在于，包括如下步骤：
S1
：构造基于
treelet
的图神经网络模型的步骤；以及
S2
：使用基于
treelet
图神经网络的分类模型，对前提进行分类的步骤
。2.
根据权利要求1所述的一阶逻辑中基于树分支图神经网络的前提选择方法，其特征在于：所述图神经网络模型用于实现初始化
、
消息聚合
、
消息传递及图聚合的操作
。3.
根据权利要求2所述的一阶逻辑中基于树分支图神经网络的前提选择方法，其特征在于：所述图神经网络模型进行初始化时将节点的独热编码向量通过多层感知机输出固定维数大小的初始向量，维数设置为
64、128、256、512。4.
根据权利要求2所述的一阶逻辑中基于树分支图神经网络的前提选择方法，其特征在于：所述图神经网络模型进行消息聚合时聚合节点来自父
、
子节点信息与
treelet
包含的顺序信息，设置多层消息聚合，为1层
、2
层或3层
。5.
根据权利要求2所述的一阶逻辑中基于树分支图神经网络的前提选择方法，其特征在于：所述图神经网络模型进行消息聚合时当前得到的邻居信息与顺序信息与节点上一层的...

【专利技术属性】
技术研发人员：冯暄，彭杰，蔡友保，张波，
申请(专利权)人：四川省计算机研究院，
类型：发明
国别省市：