Scalable Uncertainty Reasoning in Knowledge Graphs

Cette recherche propose un cadre modulaire pour aborder le raisonnement d'incertitude évolutif dans les graphes de connaissances, où les données du monde réel contiennent souvent une incertitude inhérente. Elle traite trois niveaux d'incertitude — valeurs d'attributs imprécises, existence de triples probabilistes et connaissance de schéma incomplète — par des techniques sur mesure comme les littéraux probabilistes, les circuits probabilistes et les embeddings géométriques.