笔记：A Review of Relational Machine Learning for Knowledge Graphs

Ⅰ引言

在统计关系学习（Statistical Relational Learning，SRL）中，对象的表示可以包含与其他对象的关系。 因此，数据是以图形的形式，由节点（实体）和标记的边（实体之间的关系）组成。SRL的主要目标包括预测缺失的边（也即关系），预测节点属性以及根据连通性模式对节点进行聚类。 这些任务出现在许多环境中，例如社交网络和生物途径的分析。

Ⅱ 知识图谱

A.知识的表示

W3C Resource Description Framework (RDF)， W3C资源描述框架
(subject, predicate, object) (SPO) triples， 主谓宾三元组
knowledge graph (KG)， 知识图谱

知识图谱是由节点（subject、object）和带有标签的边（predicate，即relation）组成，例如：

B.封闭世界假设和开放世界假设

closed world assumption (CWA) ，封闭世界假设