2020-11-25-周报v1
论文一(对知识推理的认识)
中文引用格式: 官赛萍,靳小龙,贾岩涛,王元卓,程学旗.面向知识图谱的知识推理研究进展.软件学报,2018,29(10):29662994.
1.1 知识推理的简介
面向知识图谱的知识推理旨在基于已有的知识图谱事实,推理新的事实或识别错误知识。例如,在DBpedia 中已知三元组(X,birthPlace,Y),可以在很大程度上推理出缺失的三元组(X,nationality,Y)。
主要分为:知识图谱补全和知识图谱去噪
知识图谱补全:知识图谱补全实际上是给 定三元组中任意两个元素,试图推理出缺失的另外一个元素(包括实体预测和关系预测)
知识图谱去噪:知识图谱去噪专注于知识图谱内部已有三元组正确性的判断,但本质上是评估三元组的有效性。
1.2 基于传统方法的推理
具体可分为两类:基于传统规则 推理的方法和基于本体推理的方法,分别将传统的规则推理和本体推理方法用于面向知识图谱的知识推理.
-
基于传统规则推理的方法
基于传统规则推理的方法主要借鉴传统知识推理中的规则推理方法,在知识图谱上运用简单规则或统计特征进行推理。例如:NELL 知识图谱内部的推理组件采用一阶关系学习算法进行推理;YAGO知识图谱内部采用了一个推理机——Spass-YAGO以丰富知识图谱内容。还有学者提出了一阶概率语言模型ProPPR进行知识图谱的扩充等
-
基于本体推理的方法
基于本体推理的方法主要利用更为抽象化的本体层面的频繁模式、约束或路径进行推理。例如:基于模式的知识图谱的补全,关注于启发式规则推理知识图谱中不确定和冲突的知识等。
1.3 单步推理
单步推理是指用直接关系即知识图谱中的事实元组进行学习和推理,根据所用方法的不同,具体可分为基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理。
-
基于分布式表示的推理