少样本知识图谱补全技术研究

摘要：

少样本知识图谱补全(FKGC)是目前知识图谱补全任务的一个研究热点,旨在拥有少量样本数据的情况下,完成知识图谱补全任务.该任务在实际应用和知识图谱领域都有着重要的研究意义,为了进一步促进FKGC领域的发展,对目前各类方法进行了全面总结和分析.首先,描述了FKGC的概念和相关内容;其次,以技术方法作为分类依据,归纳总结出三类FKGC方法,包括基于度量学习的方法、基于元学习的方法以及基于其他模型的方法,并从模型核心、模型思路、优缺点等角度对每种方法进行分析和总结;然后,汇总了FKGC方法的数据集和评价指标,并从模型特点和实验结果两方面对FKGC方法进行分析与归纳;最后,从实际问题出发,总结了目前FKGC任务的难点问题,分析了问题背后的困难,给出了相应的解决方法,同时展望了该领域未来值得关注的几个发展方向.

关键词：知识图谱、知识图谱补全、少样本学习、少样本知识图谱补全(FKGC)

所属期刊栏目：17

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省高等学校基本科研项目

在线出版日期：2023-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1268-1284