一种自监督神经符号融合的可解释AI推理方法及系统

本发明提供了一种自监督神经符号融合的可解释AI推理方法及系统，所述方法包括：S1、自监督学习模块：提取未标注数据的特征信息，获得表示符号知识的特征向量；S2、神经符号融合模块：利用AI智能学习策略，构建深度学习框架，结合奖励函数对特征向量进行训练，获得结构化知识；S3、可解释推理模块：构建基于神经符号融合的可解释的预测模型，获得求解后的推理结果；在对推理结果进行解释的过程中，将复杂的推理过程简化并展现。从而不仅保留了神经网络在处理复杂模式和数据关联上的优势，还引入了符号推理的可解释性和逻辑推理能力，从而提升了整个系统的性能和可解释性。从而使得模型在训练过程中能够同时优化特征表示和逻辑推理。