神经图推理：复杂逻辑查询回答的综述

文章预览

复杂逻辑查询回答 (CLQA) 是近年来图机器学习中出现的一项任务，超越了简单的一跳链路预测，解决了在庞大且可能不完整的图上进行多跳逻辑推理这一更为复杂的任务。该任务在学术界获得了显著关注，许多研究工作在理论和实践层面扩展了这一领域，旨在通过高效的系统解决不同类型的复杂查询和图的各种模式。在本文中，我们提供了一个全面的 CLQA 综述，详细的分类法从多个角度研究了该领域，包括图类型（模态、推理领域、背景语义）、建模方面（编码器、处理器、解码器）、支持的查询（操作符、模式、投影变量）、数据集、评估指标和应用。最后，我们指出了 CLQA 未来研究的有前景的方向、未解决的问题和应用。 1. 引言 数据库（Graph DBs）是捕获、组织和导航现实世界实体的结构化关系信息的关键架构。与传统的关系数据库（Relational ………………………………