知识表示学习研究进展

摘要：

人们构建的知识库通常被表示为网络形式,节点代表实体,连边代表实体间的关系.在网络表示形式下,人们需要设计专门的图算法存储和利用知识库,存在费时费力的缺点,并受到数据稀疏问题的困扰.最近,以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量,知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系,有效解决数据稀疏问题,使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展,总结该技术面临的主要挑战和可能解决方案,并展望该技术的未来发展方向与前景.

关键词：知识表示、表示学习、知识图谱、深度学习、分布式表示

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家“九七三”重点基础研究发展计划基金项目2014CB340501;国家自然科学基金项目61572273,61532010;清华大学自主科研计划基金项目2015THZThis work was supported by the National Basic Research Program of China 973 Program2014CB340501;the National Natural Science Foundation of China61572273,61532010;Tsinghua University Initiative Scientific Research Program2015THZ

在线出版日期：2016-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：247-261