神经符号知识图谱是将神经表示与符号知识结构相结合的混合模型。
神经网络生成实体和关系的密集向量表示，而符号组件则利用显式的逻辑规则和本体。
这使得推理能力更强，泛化能力更好，因为符号规则支持学习，神经模型则处理数据中的不确定性和噪声。
典型应用包括问答系统、知识补全和语义搜索。
集成通常通过嵌入技术实现，将符号关系映射到连续空间，并结合基于逻辑的约束。