-
题名面向关系特性建模的知识图谱表示学习研究综述
被引量：1
- 1
-
-
作者
牛广林
蔺震
-
机构
北京航空航天大学人工智能学院(人工智能研究院)
北京遥感设备研究所
-
出处
《计算机科学》
CSCD
北大核心
2024年第9期182-195,共14页
-
基金
国家自然科学基金(62376016)。
-
文摘
知识图谱表示学习技术可以将符号化的知识图谱转换为实体和关系的数值化表示,进而有效结合各类深度学习模型以赋能知识增强的下游应用。相较于实体,关系充分体现了知识图谱中的语义信息,建模关系的各类特性对知识图谱表示学习的性能非常关键。首先,针对一对一、一对多、多对一和多对多的复杂映射特性,梳理基于关系感知映射的模型、基于特定表示空间的模型、基于张量分解的模型和基于神经网络的模型;接着,面向建模对称、反对称、逆反和组合特性的多种关系模式,总结基于改进张量分解的模型、基于改进关系感知映射的模型和基于旋转操作的模型;其次,面向建模实体间隐含的层次关系,介绍基于辅助信息的模型、基于双曲空间的模型和基于极坐标系的模型。最后,针对稀疏知识图谱和动态知识图谱等更加复杂的情况,从融合多模态信息的知识图谱表示学习、规则增强的关系模式建模和针对动态知识图谱表示学习的关系特性建模等方面,讨论该领域研究的未来发展方向。
-
关键词
知识图谱
表示学习
复杂映射关系
关系模式
层次关系
-
Keywords
Knowledge graph
Representation learning
Complex mapping relations
Relation patterns
Hierarchical relations
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
