Semantica · 第 5 章 ★ 确定性推理

Semantica · 第 5 章 ★ 确定性推理

章节摘要：本章装配管线第⑦段（reasoning，全书高潮之一）：不调用任何 LLM，仅凭 Rete 前向链、Datalog、SPARQL 与溯因/演绎推理，在图谱上推出新事实并给出完整推理路径——监管场景里“AI 拒贷必须说清为什么”的底气，就来自这一段。

装配坐标

学习目标

• 理解“确定性推理”与 LLM 生成的本质区别：同样输入永远得到同样结论
• 掌握 Rete 前向链推理：规则如何在图上不断“点火”，从已知事实推出新事实
• 会用 Datalog 做图查询（支持自然语言转写）与 SPARQL 查 RDF 三元组库
• 理解溯因（abductive）/演绎（deductive）两种推理方向各自回答什么问题
• 用 ExplanationGenerator 生成可解释推理路径，向监管交付一份“为什么”

子章节导航

01 Rete 前向链推理

reasoning 模块（11 文件）的核心：经典 Rete 算法在知识图谱上的确定性前向链推理。

02 Datalog 与 SPARQL：图查询双引擎

Datalog 支持自然语言图查询，规则式查询逼近人类问法；SPARQL 面向 RDF 的标准查询。

03 溯因/演绎推理与 ExplanationGenerator

abductive/deductive 推理机制；ExplanationGenerator 输出人类可读的可解释推理路径。

前置知识与后续延伸

前置：第 3 章的知识图谱（推理的载体）；可选 SPARQL 基础，不影响主线阅读。
后续：第 6 章决策智能压轴——推理得出的结论将进入决策记录与因果链。