Rule Learning Based on Large Language Models: A Survey

Taiyu Cheng

doi:10.3724/2096-7004.di.2025.0161

Rule Learning Based on Large Language Models: A Survey

2026-01-01

0

PRE

AI

DOI：10.3724/2096-7004.di.2025.0161

原文链接

原文求助

摘要

En 中文

在数据挖掘和人工智能领域，规则学习旨在从数据中提取通用规则，以促进对新实例的预测和分类。语言模型，尤其是基于大规模文本语料库预训练的大型语言模型（LLMs），已展现出在捕捉自然语言中复杂语义结构和内在逻辑关系方面的显著能力。然而，有效利用这些模型进行规则学习涉及多个关键挑战，例如平衡可解释性与泛化能力、高效整合符号推理与神经方法，以及系统化评估学习到的规则。本文综述了近期将基于神经网络和大型语言模型的方法应用于规则学习的最新进展。我们分类当前的方法，批判性地分析其优缺点，并探讨解决现有挑战的有前景的策略和研究方向。本研究的结果为未来研究如何利用语言模型提升规则学习能力提供了有价值的见解和指导，有助于开发更具可解释性和鲁棒性的人工智能（AI）系统。

Keyword:

Rule learning

Language model

Knowledge graph

Rule Learning Based on Large Language Models: A Survey

摘要

期刊

机构

引用论文