榕城候佳人的博客

除了上篇文章介绍到的基于复杂关系建模的知识表示方法，我们还有多种基于平移模型而改进的知识图谱知识表示方法，并且它们都是对关系的深入建模。可以将它们归为两类，分别是知识图谱结构建模和知识图谱多源信息融合建模。这也对应了之前说的，知识图谱表示主要解决的问题就是实体与关系的表示，以及种类众多，外部信息如何融入进去。

并使用不同的映射矩阵 Mr定义从实体空间到各个关系空间的映射。TransR可以让每个实体针对每个关系有不同的映射结果，可以很好的解决1对多和多对多的关系。

知识图谱是当前知识智能发展的最新成果，其主要包括了3个核心环节，即知识的表示（对不同类型知识的组织和表示）、知识的获取（对互联网上各类知识的自动获取）、知识的推理和应用（如信息检索、智能问答等）。可以想象，如果能将深度学习解决问题的能力同知识图谱解释问题背后的知识推理逻辑相结合，便可以实现一条从对问题的分析，推理到根据推理结果得出问题解决方案的可解释的路线，完成对人类智能（知识）解决现实问题的复现。知识图谱所涉及的知识包括常识知识、认知知识、世界知识、语言知识、专业知识等等，这些分类都很粗略。