目前只想要做基于规则的知识推理，主要做图谱补全、纠错等业务，没计划使用到表示学习/LLM 方式进行的推理，请教有什么好的解决方案嘛？
业务里图谱本体数据使用mysql 承载并非RDF方式，核心表有：图谱、实体、关系、属性 3个表，图谱表和实体、关系之间为(1:n)，实体、关系和属性表之间为1:n。伪表结构如下：
t_graph <graph_id, graph_name,desc>
t_entity<eid,graph_id,entity_name,…>
t_rel<rid,graph_id,head_eid,tail_id…>
t_attr<id,owner_id,e_name,zh_name,attr_type…>
1、目前了解到有基于本体的推理，但需要使用RDF和SPARQL、Jena等，本体数据格式难满足，而且做起来也较复杂，效果不确定。
2、基于图数据实例级别的数据推理，然后应用到图谱数据中，但是这里怎么解析设置的规则，怎么应用规则到图谱没有什么思路。
3、使用NLP，短期没有人力投入这方面研究。
有大佬可以提供一些思路吗？