图神经网络应用于知识图谱推理的研究综述

摘要：

知识推理(KR)作为知识图谱构建的一个重要环节,一直是该领域研究的焦点问题.随着知识图谱应用研究的不断深入和范围的不断扩大,将图神经网络(GNN)应用于知识推理的方法能够在获取知识图谱中实体、关系等语义信息的同时,充分考虑知识图谱的结构信息,使其具备更好的可解释性和更强的推理能力,因此近年来受到广泛关注.首先梳理了知识图谱和知识推理的基本知识及研究现状,简要介绍了基于逻辑规则、基于表示学习、基于神经网络和基于图神经网络的知识推理的优势与不足;其次全面总结了基于图神经网络的知识推理最新进展,将基于图神经网络的知识推理按照基于递归图神经网络(RecGNN)、卷积图神经网络(ConvGNN)、图自编码网络(GAE)和时空图神经网络(STGNN)的知识推理进行分类,对各类典型网络模型进行了介绍和对比分析;然后介绍了基于图神经网络的知识推理在医学、智能制造、军事、交通等领域的应用;最后提出了基于图神经网络的知识推理的未来研究方向,并对这个快速增长领域中的各方向研究进行了展望.

关键词：知识图谱、知识推理(KR)、图神经网络(GNN)、语义信息、结构信息

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金20BTQ066

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共26页

页码：27-52