知识图谱多跳问答推理研究进展、挑战与展望

 摘要：近年来，知识图谱问答在医疗、金融、政务等领域被广泛应用。用户不再满足于关于实体属性的单跳问答，而是更多地倾向表达复杂的多跳问答需求。为了应对上述复杂多跳问答，各种不同类型的推理方法被陆续提出。系统地介绍了基于嵌入、路径、逻辑的多跳知识问答推理的最新研究进展以及相关数据集和评测指标，并重点围绕前沿问题进行了讨论。最后总结了现有方法的不足，并展望了未来的研究方向。

关键词： 知识图谱 ; 多跳问答 ; 推理

1 引言

1.1 背景介绍

随着大数据时代的来临，帮助用户在海量信息中快速找到想要的信息尤为重要。知识图谱（knowledge graph，KG）以三元组的形式结构化存储海量信息，一个三元组可以表示为<eh,r,et>，其中eh表示头实体，et表示尾实体，r表示头实体与尾实体之间存在的关系。知识图谱三元组之间也存在关联关系，如上述三元组中的头实体eh可能是另外一个三元组的尾实体。知识图谱把海量互联网信息表达成客观世界可认知的语义表示，具有强大的语义表达、存储和表达能力，在工业界和学术界得到了广泛关注和研究应用。智能问答系统旨在针对用户提出的复杂信息需求，允许用户用自然语言问句的形式提问，并为用户直接返回精准的答案。得益于知识图谱技术的快速发展，基于知识图谱的问答&#