我一直很难理解为什么OWL-DL 推理在实际应用中如此高效。
例如，我经常使用 Fact++ 推理器处理的 ALCQI 片段中的本体，众所周知，概念可满足性是 PSPACE-complete，逻辑蕴涵是 EXPTIME。
在这里，幻灯片 29 明确指出：
最先进的深度学习推理系统基于画面技术而不是自动机技术
+更容易实施
-不是计算最优的（NEXPTIME，2NEXPTIME）
-->系统高度优化
尽管计算复杂度很高，但在实际应用中的性能却出奇的好：
- 包含数千个概念和数百个公理的知识库
- 优于专门的模态逻辑推理器
一方面证明它们在计算上不是最优的，另一方面它们在现实世界的应用程序中即使对于大量输入也是有效的，但我无法在网上找到解释为什么这是可能的以及如何处理的资源。
明确地说，我错过了我真正想要理解的这一步。
这里有人有想法吗？