文献类型：期刊文章

作　　者：官赛萍[1,2] 靳小龙[1,2] 贾岩涛[1,2] 王元卓[1,2] 程学旗[1,2]

GUAN Sai-Ping;JIN Xiao-Long;JIA Yan-Tao;WANG Yuan-Zhuo;CHENG Xue-Qi(CAS Key Laboratory of Network Data Science and Technology（Institute of Computing Technology,The Chinese Academy of Sciences）,Beijing 100190,China;School of Computer and Control Engineering,Unversity of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]网络数据科学与技术重点实验室(中国科学院计算技术研究所),北京100190 [2]中国科学院大学计算机与控制学院,北京100049

出　　处：《软件学报》

基　　金：国家重点研发计划(2016YFB1000902;2017YFB1002302);国家自然科学基金(61772501;61572473;61572469;91646120)~~

年　　份：2018

卷　　号：29

期　　号：10

起止页码：2966-2994

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：近年来,随着互联网技术和应用模式的迅猛发展,引发了互联网数据规模的爆炸式增长,其中包含大量有价值的知识.如何组织和表达这些知识,并对其进行深入计算和分析备受关注.知识图谱作为丰富直观的知识表达方式应运而生.面向知识图谱的知识推理是知识图谱的研究热点之一,已在垂直搜索、智能问答等应用领域发挥了重要作用.面向知识图谱的知识推理旨在根据已有的知识推理出新的知识或识别错误的知识.不同于传统的知识推理,由于知识图谱中知识表达形式的简洁直观、灵活丰富,面向知识图谱的知识推理方法也更加多样化.将从知识推理的基本概念出发,介绍近年来面向知识图谱知识推理方法的最新研究进展.具体地,根据推理类型划分,将面向知识图谱的知识推理分为单步推理和多步推理,根据方法的不同,每类又包括基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理.详细总结这些方法,并探讨和展望面向知识图谱知识推理的未来研究方向和前景.

关 键 词：知识推理 知识图谱 规则推理  分布式表示  神经网络

分 类 号：TP18]