(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111212077.1 (22)申请日 2021.10.18 (71)申请人 广东辰宜信息科技有限公司 地址 528000 广东省佛山市南海区桂城街 道南平西路广东夏西国际橡塑城一期 9号楼首、 二层A 906 (72)发明人 易朝刚　 (74)专利代理 机构 佛山市保晋专利代理事务所 (普通合伙) 44624 代理人 高淑怡　赖秀芳 (51)Int.Cl. G06N 20/00(2019.01) G06N 5/04(2006.01) (54)发明名称 应用于逻辑推理的机 器学习方法及装置 (57)摘要 本发明公开了应用于逻辑推理的机器学习 方法及装置， 包括： 获取若干个样本逻辑推理数 据集合并对样本逻辑推理数据集合执行预处理 操作， 得到处理后样本逻辑推理数据集合； 通过 预先确定出的机器学习方法学习所有处理后样 本逻辑推理数据集合得到机器学习结果； 当需要 进行逻辑推理时， 获取需要进行逻辑推理的目标 原因， 并根据机器学习结果查找目标原因对应的 逻辑推理路径， 得到目标原因对应的逻辑推理结 果； 逻辑推理结果包括目标原因对应的目标结果 和/或从目标原因推理出目标结果的中间推理过 程信息。 可见， 本发明能够通过机器学习得到的 结果(如逻辑推理模型)实现逻辑推理得到原因 对应的结果和/或中间推理过程， 提高了逻辑推 理的效率及准确率。 权利要求书3页 说明书16页 附图4页 CN 113887738 A 2022.01.04 CN 113887738 A 1.一种应用于 逻辑推理的机器学习方法， 其特 征在于， 所述方法包括： 获取若干个样本逻辑推理数据集合， 并对所有所述样本逻辑推理数据集合执行预处理 操作， 得到每 个所述样本 逻辑推理数据集 合对应的处 理后样本 逻辑推理数据集 合； 通过预先确定出的机器学习方法学习所有所述处理后样本逻辑推理数据集合， 得到机 器学习结果； 当需要进行逻辑推理时， 获取需要进行逻辑推理的目标原因数据， 并根据所述机器学 习结果查找所述目标原因数据对应的逻辑推理路径， 得到所述目标原因数据对应的逻辑推 理结果； 其中， 所述目标原因数据对应的逻辑推理结果包括所述目标原 因数据对应的目标结果 数据和/或 从所述目标原因数据推理出 所述目标 结果数据的中间推理过程信息 。 2.根据权利要求1所述的应用于逻辑推理的机器学习方法， 其特征在于， 每个所述样本 逻辑推理数据集合包括若干个推理路径以及若干个样本数据， 每个所述推理路径存在与之 唯一对应的路径 标识， 所述样本逻辑推理数据集合的若干个样本数据中包括与所述样本逻 辑推理数据集合唯一对应的样本推理起点数据及能够通过该样本推理起点数据推理出的 样本推理结果数据； 以及， 所述对所有所述样本逻辑推理数据集合执行预处理操作， 得到每个所述样本逻 辑推理数据集 合对应的处 理后样本 逻辑推理数据集 合， 包括： 对于每个所述样本逻辑推理数据集合， 标注该样本逻辑推理数据集合中每个样本数据 所归属的推理路径， 得到该样本 逻辑推理数据集 合对应的处 理后样本 逻辑推理数据集 合； 其中， 推理顺序相邻的任意两个推理路径中， 推理顺序在先的推理路径的输出结果为 推理顺序在后的推理路径的输入原因， 且每个推理路径均存在与之对应的输入原因及输出 结果。 3.根据权利要求2所述的应用于逻辑推理的机器学习方法， 其特征在于， 所述机器学习 方法包括单向无分叉逻辑推理的机器学习方法或者 开放逻辑推理的机器学习方法； 其中， 所述开放逻辑推理的机器学习方法所学习的样本逻辑推理数据集合中， 对应的 原因因素、 路径因素以及结果因素均具有唯一 性。 4.根据权利要求3所述的应用于逻辑推理的机器学习方法， 其特征在于， 所述通过预先 确定出的机器学习 方法学习 所有所述处理后样本逻辑推理数据集合， 得到机器学习 结果， 包括： 对于每个待学习的处理后样本逻辑推理数据集合中的任一当前原因实体， 从所述待学 习的处理后 样本逻辑推理数据集合中获取所述当前原因实体对应的当前结果 实体， 所述当 前原因实体包括第一推理路径及已知条件， 所述当前原因实体包括的已知条件为所述待 学 习的处理后样本逻辑推理数据集合中归属于所述当前原因实体包括的第一推理路径的第 一样本数据； 所述当前结果实体包括第二推理路径及预置条件， 且所述当前结果实体包括 的预置条件为所述待学习的处理后样本逻辑推理数据集合中归属于所述当前结果实体包 括的第二推理路径的第二样本数据， 所述当前原因实体包括的已知条件满足所述当前结果 实体包括的预置条件； 以所述当前结果实体包括的第 二推理路径唯一对应的路径标识为唯一关键字， 建立所 述当前原因实体包括的第一样本数据以及所述当前结果实体包括的第二样本数据之间的权　利　要　求　书 1/3 页 2 CN 113887738 A 2逻辑映射关系； 将所述当前结果实体作为新的当前原因实体， 并触发执行所述的从所述待学习的处理 后样本逻辑推理数据集合中获取所述当前原因实体对应的当前结果实体的步骤以及所述 的以所述当前结果实体包括的第二推理路径唯一对应的路径 标识为唯一关键字， 建立所述 当前原因实体包括的第一样本数据以及所述当前结果实体包括的第二样本数据之间的逻 辑映射关系的步骤， 直至对该每 个待学习的处 理后样本 逻辑推理数据集 合学习完毕。 5.根据权利要求4所述的应用于逻辑推理的机器学习方法， 其特征在于， 当所述机器学 习方法为所述开放逻辑推理的机器学习方法时， 对于每个待 学习的处理后 样本逻辑推理数 据集合中的任一当前原因实体， 所述从所述待学习的处理后样本逻辑推理数据集合中获取 所述当前原因实体对应的当前 结果实体之前， 所述方法还 包括： 判断所述当前原因实体是否存在于预先创建的已推理信息集合中， 当判断结果为否 时， 执行所述的从所述待 学习的处理后 样本逻辑推理数据集合中获取所述当前原因实体对 应的当前结果实体的步骤； 当判断结果为是时， 执行逻辑推理中止操作或者从所述待学习 的处理后 样本逻辑推理数据集合查找包括新推理路径的原因实体作为新的当前原因实体， 其中， 所述包括 新推理路径的原因实体未存在于所述已推理信息集 合中； 其中， 所述已推理信 息集合用于存放所述待学习的处理后样本逻辑推理数据集合中已 参与过逻辑推理的所有原因实体。 6.根据权利要求4所述的应用于逻辑推理的机器学习方法， 其特征在于， 当所述机器学 习方法为所述开放逻辑推理的机器学习方法时， 对于每个待 学习的处理后 样本逻辑推理数 据集合中的任一当前原因实体， 所述以所述当前结果 实体包括的第二推理路径唯一对应的 路径标识为唯一关键字， 建立所述当前原因实体包括的第一样本数据以及所述当前结果 实 体包括的第二样本数据之间的逻辑映射关系之后， 所述方法还 包括： 将所述当前原因实体添加至所述已推理信息集 合中。 7.根据权利要求1 ‑6任一项所述的应用于逻辑推理的机器学习方法， 其特征在于， 所述 通过预先确定出的机器学习方法学习所有 所述处理后 样本逻辑推理数据集合， 得到机器学 习结果之后， 所述方法还 包括： 获取多组测试用逻辑推理数据， 每组所述测试用逻辑推理数据包括逻辑推理数据对以 及该逻辑推理数据对所对应的测试用逻辑推理路径， 每组所述测试用逻辑推理数据包括的 逻辑推理数据对具体包括测试用推理起点数据以及测试用推理结果数据， 且所述测试用逻 辑推理数据包括的测试用推理起点数据通过所述测试用逻辑推理数据包括的测试用逻辑 推理路径能够推理出 所述测试用逻辑推理数据包括的测试用推理结果数据； 对于每组所述测试用逻辑推理数据， 根据 所述机器学习结果查找每组所述测试用逻辑 推理数据包括的测试用推理起点数据所对应的逻辑推理路径， 得到每组所述测试用逻辑推 理数据包括的测试用推理起 点数据所对应的测试逻辑推理结果； 判断所有所述测试用逻辑推理数据包括的测试用推理起点数据所对应的测试逻辑推 理结果是否满足预 先确定出的测试 结果要求条件； 当判断结果 为否时， 对所述机器学习结果执 行相匹配的调整操作； 当判断结果 为是时， 确定所述机器学习结果能够用于 逻辑推理。 8.一种应用于 逻辑推理的机器学习装置， 其特 征在于， 所述装置包括：权　利　要　求　书 2/3 页 3 CN 113887738 A 3