Les graphes de connaissances neuro-symboliques sont des modèles hybrides qui relient des représentations neuronales à des structures de connaissances symboliques.
Les réseaux neuronaux génèrent des représentations vectorielles denses d'entités et de relations, tandis que les composants symboliques utilisent des règles logiques explicites et des ontologies.
Cela permet un meilleur raisonnement et une généralisation améliorée, car les règles symboliques soutiennent l'apprentissage et les modèles neuronaux gèrent les incertitudes et le bruit dans les données.
Les applications typiques sont les systèmes de questions-réponses, la complétion de connaissances et la recherche sémantique.
L'intégration se fait souvent par des techniques d'incorporation qui cartographient les relations symboliques dans l'espace continu, combinées à des contraintes basées sur la logique.