Scalable Uncertainty Reasoning in Knowledge Graphs

Esta pesquisa propõe um framework modular para lidar com o raciocínio escalável de incerteza em Grafos de Conhecimento, onde dados do mundo real frequentemente contêm incerteza. Aborda três níveis de incerteza – atributos imprecisos, existência de triplas probabilísticas e conhecimento de esquema incompleto – através de técnicas personalizadas como literais probabilísticos, circuitos probabilísticos e embeddings geométricos.