NeurOWL：大模型驱动的神经符号框架，破解不完整本体推理难题

在医疗、生物信息学等领域，OWL本体作为形式化知识表示框架被广泛采用，但实际应用中的本体往往存在信息不完整问题，给语义推理带来挑战。针对这一难题，研究团队提出NeurOWL——一个基于大语言模型的神经符号推理框架。

该框架聚焦于一个核心推理问题：给定不完整本体和一个候选（非蕴含）包含关系，判断该包含关系是否语义合理，并在合理时提供包含潜在缺失公理的形式化解释。这一任务将包含关系验证与本体溯因统一起来，且无需预定义缺失公理候选集，拓展了传统溯因推理的适用范围。

NeurOWL采用端到端设计，通过大语言模型和本体嵌入技术，同时利用形式化语义和文本语义，实现验证与溯因的联合处理。在多领域真实本体上的实验表明，该框架在不同领域均表现出强劲且稳健的性能。这项工作为不完整知识库的智能推理提供了新思路，有望推动语义网、知识图谱等领域的应用发展。