最新《知识图谱构建技术:分类、调查和未来方向》综述论文，15页pdf

2021 年 3 月 1 日 专知

摘要：知识图谱的概念由谷歌于2012年提出,随后逐渐成为人工智能领域的一个研究热点,已在信息搜索、自动问答、决策分析等应用中发挥作用。虽然知识图谱在各领域展现出了巨大的潜力,但不难发现目前缺乏成熟的知识图谱构建平台,需要对知识图谱的构建体系进行研究,以满足不同的行业应用需求。文中以知识图谱构建为主线,首先介绍目前主流的通用知识图谱和领域知识图谱,描述两者在构建过程中的区别;然后,分类讨论图谱构建过程中存在的问题和挑战,并针对这些问题和挑战,分类描述目前图谱构建过程中的知识抽取、知识表示、知识融合、知识推理、知识存储5个层面的解决方法和策略; 最后,展望未来可能的研究方向。

http://www.jsjkx.com/CN/10.11896/jsjkx.200700010

知识图谱的概念是由谷歌公司于２０１２年５月１７日首次提出的,最早被应用于信息搜索领域[１].知识图谱可以形式化定义为:G＝{E,R,F},其中E,R 和F 分别是实体集合、关系集合和事实集合.事实可以表示为(h,r,t)∈F [２].知识图谱通过对数据的整合与规范,向人们提供有价值的结构化信息,已被广泛应用于信息搜索、自动问答、决策分析等领域,是推动数据价值挖掘和支撑智能信息服务的重要基础技术.随着社会和企业对知识图谱构建的需求逐渐加大,近几年研究人员将人工智能、深度神经网络、自然语言处理与数据库技术相结合,在对知识图谱构建的研究方面取得了一些成果.然而,在高效构建知识图谱的过程中,不难发现目前缺乏成熟的知识图谱构建平台,需要对知识图谱的构建体系进行研究和分析,以满足不同行业的应用需求.那么,如何高效地构建知识图谱,成为了人工智能领域的一个重要的研究课题.

随着知识图谱的普及和应用,其构建过程受到了极大的关注,目前已取得了一些研究成果.文献[３]在全面阐述知识图谱定义和架构的基础上,对知识图谱中的知识抽取、知识表示、知识融合和知识推理四大核心技术的研究进展进行了介绍.文献[４]对信息抽取层、知识融合层和知识加工层所涉及的关键技术的研究现状进行了分类说明.文献[５]定义了知识图谱与本体的关系,并简述了已开发的国内外知识图谱. 然而,上述研究都没有对知识图谱的构建体系进行系统性的总结和未来研究方向的展望.因此,本文依次从知识抽取、知识表示、知识融合、知识推理和知识存储５个层面对现有的知识图谱构建技术的研究成果进行了归纳和分析,各部分内容之间的总体路线图如图１所示.本文第２节以知识图谱构建过程为主线,对通用知识图谱和领域知识图谱进行了比较分析;第３节阐述了知识图谱构建过程中面临的问题与挑战;第４节描述了目前知识图谱构建过程中５个层面的解决方法和策略;最后对知识图谱构建的未来研究方向进行了展望。