近年来,随着互联网技术以及引用模式的快速发展,计算机世界的数据规模呈指数型增长,这些数据中蕴含着大量有 价值的信息,如何从中筛选出知识并将这些知识进行有效组织和表达引起了广泛关注.知识图谱由此而生,面向知识图谱的知 识推理就是知识图谱研究的热点之一,已经在语义搜索、智能问答等领域取得了重大成就.然而,由于样本数据存在各种缺陷, 例如样本数据缺少头尾实体、查询路径过长、样本数据错误等,因此面对上述特点的零样本、单样本、少样本和多样本知识图谱 推理更受瞩目.文中将从知识图谱的基本概念和基础知识出发,介绍近年来知识图谱推理方法的最新研究进展.具体而言,根 据样本数据量大小的不同,将知识图谱推理方法分为多样本推理、少样本推理和零与单样本推理.模型使用超过5个实例数进 行推理的为多样本推理,模型使用2~5实例数进行推理的为少样本推理,模型使用零个或者一个实例数进行推理的为零与单 样本推理.根据方法的不同,将多样本知识图谱推理细分为基于规则的推理、基于分布式的推理、基于神经网络的推理以及基 于其他的推理,将少样本知识图谱推理细分为基于元学习的推理与基于相邻实体信息的推理,具体分析总结这些方法.此外, 进一步讲述了知识图谱推理的典型应用,并探讨了知识图谱推理现存的问题、未来的研究方向和前景.

知识图谱推理即面向知识图谱的知识推理.知识图谱有 很多种定义,是以图的形式表示真实世界的实体与实体之间 关系的知识库.知识图谱的研究源于2000年 XML 大会上 TimBernersLee提出的语义 Web的理念,最初的作用是为 Web网页添加语义信息,提供信息代理、搜索代理、信息过滤 等语义信息服务.2005年,美国 Metaweb公司成立,致力于 开发开放共享的世界知识库.Metaweb基于维基百科、美国 证券交易委员会等公开的数据集,提取出现实世界中人或事 物(实体)及他们之间的关系,并且以图的结构储存在计算机 中.2010年,谷歌收购了 Metaweb公司,并在2012年提出了 知识图谱[1]的概念. 具体来说,知识图谱是通过将应用数学、图形学、信息可 视化技术、信息科学等学科的理论、方法与计量学引文分析、 共现分析等方法结合,并利用可视化的图谱形象地展示其核 心结构、发展历史、前沿领域以及整体知识架构,达到多学科 融合目的的现代理论.它把复杂的知识领域通过数据挖掘、 信息处理、知识计量和图形绘制显示出来,揭示知识领域的动 态发展规律,为学科研究提供切实的、有价值的参考.迄今为 止,其实际应用已经逐步拓展并取得了较好的效果.

目前,已经涌现出一大批知识图谱,其中具有代表性的有 DBpedia [2],Freebase [3],NELL [4],Probase [5]等.这些知识图 谱从大量数据资 源 中 抽 取、组 织 和 管 理 知 识,希 望 为 用 户 提供能够读懂用户需求的智能服 务.例 如:理 解 搜 索 的 语 义,提供更精准的搜索答案.大批的 知 识 图 谱 被 广 泛 应 用 于知识图谱补全与去噪的学术研 究 领 域.除 此 之 外,知 识 图谱在问答系统、推 荐 系 统、机 器 翻 译 等 领 域 也 发 挥 了 重 要作用,并已在医学诊断、金融安全、军用等 领 域 展 示 出 很 好的应用前景. 虽然现在已经存在一些知识图谱综述文献,但是基于数 据样本量的知识图谱算法的分类归纳仍然缺乏.模型的样本 量越多,推理难度越低,准确性也越高,但是现实世界的适用 率越低.为此,本文根据样本数据量大小的不同,将知识图谱 推理方法分为多样本推理、少样本推理和零与单样本推理,并 对其最新进展进行详细分类总结;最后提出知识图谱推理未 来的潜在发展方向. 本文第2节总结知识图谱推理的基础知识;第3节分析 多样本知识图谱推理相关方法;第4节论述少样本知识图谱推理相关方法;第5节指出知识图谱推理的未来研究趋势;最 后总结全文.

成为VIP会员查看完整内容
59
0

相关内容

知识图谱嵌入技术研究综述
专知会员服务
58+阅读 · 2月5日
知识图谱可解释推理研究综述
专知会员服务
97+阅读 · 2021年12月31日
几何深度学习分子表示综述
专知会员服务
26+阅读 · 2021年9月7日
专知会员服务
63+阅读 · 2021年7月23日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
99+阅读 · 2021年2月25日
【斯坦福CS224W】知识图谱推理,84页ppt
专知会员服务
82+阅读 · 2021年2月19日
科技大数据知识图谱构建方法及应用研究综述
专知会员服务
108+阅读 · 2020年8月12日
基于知识图谱的推荐系统研究综述
专知会员服务
257+阅读 · 2020年8月10日
领域知识图谱研究综述
专知会员服务
86+阅读 · 2020年8月2日
「图分类研究」最新2022综述
专知
4+阅读 · 2月13日
知识图谱嵌入技术研究综述
专知
0+阅读 · 2021年11月11日
基于图神经网络的知识图谱研究进展
AI科技评论
15+阅读 · 2020年8月31日
领域知识图谱研究综述
专知
10+阅读 · 2020年8月2日
知识图谱最新研究综述
深度学习自然语言处理
35+阅读 · 2020年6月14日
论文解读|知识图谱最新研究综述
AINLP
16+阅读 · 2020年5月4日
知识图谱嵌入(KGE):方法和应用的综述
专知
46+阅读 · 2019年8月25日
综述 | 知识图谱发展概述
PaperWeekly
67+阅读 · 2017年11月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
20+阅读 · 2021年4月23日
Arxiv
34+阅读 · 2021年2月10日
Heterogeneous Graph Transformer
Arxiv
23+阅读 · 2020年3月3日
Arxiv
11+阅读 · 2020年2月5日
Heterogeneous Deep Graph Infomax
Arxiv
10+阅读 · 2019年11月19日
Arxiv
29+阅读 · 2018年11月13日
Arxiv
17+阅读 · 2018年10月24日
小贴士
相关VIP内容
知识图谱嵌入技术研究综述
专知会员服务
58+阅读 · 2月5日
知识图谱可解释推理研究综述
专知会员服务
97+阅读 · 2021年12月31日
几何深度学习分子表示综述
专知会员服务
26+阅读 · 2021年9月7日
专知会员服务
63+阅读 · 2021年7月23日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
99+阅读 · 2021年2月25日
【斯坦福CS224W】知识图谱推理,84页ppt
专知会员服务
82+阅读 · 2021年2月19日
科技大数据知识图谱构建方法及应用研究综述
专知会员服务
108+阅读 · 2020年8月12日
基于知识图谱的推荐系统研究综述
专知会员服务
257+阅读 · 2020年8月10日
领域知识图谱研究综述
专知会员服务
86+阅读 · 2020年8月2日
相关资讯
「图分类研究」最新2022综述
专知
4+阅读 · 2月13日
知识图谱嵌入技术研究综述
专知
0+阅读 · 2021年11月11日
基于图神经网络的知识图谱研究进展
AI科技评论
15+阅读 · 2020年8月31日
领域知识图谱研究综述
专知
10+阅读 · 2020年8月2日
知识图谱最新研究综述
深度学习自然语言处理
35+阅读 · 2020年6月14日
论文解读|知识图谱最新研究综述
AINLP
16+阅读 · 2020年5月4日
知识图谱嵌入(KGE):方法和应用的综述
专知
46+阅读 · 2019年8月25日
综述 | 知识图谱发展概述
PaperWeekly
67+阅读 · 2017年11月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Knowledge Embedding Based Graph Convolutional Network
Arxiv
20+阅读 · 2021年4月23日
Arxiv
34+阅读 · 2021年2月10日
Heterogeneous Graph Transformer
Arxiv
23+阅读 · 2020年3月3日
Arxiv
11+阅读 · 2020年2月5日
Heterogeneous Deep Graph Infomax
Arxiv
10+阅读 · 2019年11月19日
Arxiv
29+阅读 · 2018年11月13日
Arxiv
17+阅读 · 2018年10月24日
微信扫码咨询专知VIP会员