神经符号知识图谱是一种混合型人工智能模型，将实体和关系的神经嵌入与符号逻辑和知识表示相结合，以实现稳健的推理和灵活的泛化能力。
形式上，知识图谱由一组实体 \( \mathcal{E} \)、关系 \( \mathcal{R} \) 和事实 \( \mathcal{F} \subseteq \mathcal{E} imes \mathcal{R} imes \mathcal{E} \) 组成。
神经网络为实体和关系学习连续嵌入 \( \mathbf{e}, \mathbf{r} \in \mathbb{R}^d \)，同时符号逻辑公式 \( \phi \) 被定义为约束或规则，支持模型在知识补全和推理中的应用。
这种结合使得既能整合模糊的基于学习的模式，也能实现精确的基于规则的推断。
定义：
“神经符号知识图谱是一种人工智能架构，将知识的神经表示与符号逻辑连接起来，以创建既可学习又可解释的知识模型。”
来源：
Garcez, A. d'A., Lamb, L. C., & Gabbay, D. M. (2019). Neural-Symbolic Cognitive Reasoning. Springer.