본 논문은 대규모 불완전 지식 그래프에서의 추론을 가능하게 하는 기계 학습 기반 논리 질의 응답 연구를 진전시킨다. 실제 세계의 지식은 불확실성을 내포하지만, 기존 연구의 기반인 1차 논리와는 잘 맞지 않는다는 점에 주목하여, 불확실한 지식에 대한 소프트 질의를 소프트 제약 프로그래밍 프레임워크에서 영감을 얻어 탐구한다. 대규모, 불완전, 불확실한 지식 그래프에 대한 소프트 질의에 응답하기 위해 전방 추론과 후방 보정을 통합하는 신경 기호 접근 방식을 제안한다. 이론적 논의를 통해 제안된 방법이 전방 추론에서 치명적인 연쇄 오류를 피하면서 복잡한 논리 질의에 대한 최첨단 기호 방법과 동일한 복잡성을 유지함을 보여준다. 실험 결과는 제안된 후방 보정이 확장된 질의 임베딩 방법 및 신경 기호 접근 방식보다 우수한 성능을 보임을 입증한다.
