论文浅尝 | 综述：关于不同种类知识图谱的推理研究（IEEE TPAMI 2024）

文章预览

笔记整理：陈卓，浙江大学博士，研究方向为知识图谱 论文链接：https://ieeexplore.ieee.org/abstract/document/10577554 发表期刊：IEEE TPAMI 1. 动机 人类通过书籍和经验这两种途径学习技能，而现有的人工智能忽略了前者而着重于不断模仿获得经验。知识图谱作为一种图结构的知识存储工具成为了解决人工智能可解释性和性能提高的潜在解决方案。现实世界知识动态持续变化，因而知识图谱的构建也是一个动态的过程，很多知识图谱存在不完整的问题。而知识图谱推理（KGR）旨在从知识图谱（KGs）中现有的事实中推导出缺失的事实，能够有效解决知识图谱的不完整问题，这一技术已被证明在问答、推荐系统等许多人工智能应用中具有显著价值。 根据图的类型，现有的KGR模型大致可以分为三类：静态模型、时序模型和多模态模型。传统知识图谱仅包含静态的单 ………………………………