深度学习与知识推理相结合的研究综述

摘要：

知识推理作为知识图谱的重要一环,一直处于重点研究热门对象之中.随着深度学习的不断发展,多种深度学习模型与知识推理的结合引起了很大的重视,得到了大量国内外学者的热捧.为了提高从已有知识中推理出新知识的正确率,二者的结合被广泛研究.基于深度学习的知识推理可以挖掘得更深、更仔细、更精确,有效提高了丰富知识库中的实体、关系、属性和文本信息等的利用率,使推理效果更佳.通过简单介绍知识图谱以及知识补全概念,重点叙述知识推理的概念及基本原理,从知识表示学习、知识获取和知识计算应用三个方向展开,综述了基于深度学习的知识推理CTransR、PTransE、TKRL、HAAT、AMNRE、CLSP、HDSA和SDLM模型的最新研究进展;总结了基于深度学习的知识推理在理论、算法和应用方面尚未克服的问题、研究方向和未来发展前景.

关键词：知识图谱;知识补全;知识推理;深度学习

所属期刊栏目：58

分类号：TP305(计算技术、计算机技术)

资助基金：北京市科技计划项目;北京市农林科学院青年基金;宁夏回族自治区重点研发计划项目

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：56-69