文献类型：期刊文章

作　　者：张吉祥[1] 张祥森[1] 武长旭[1] 赵增顺[1]

ZHANG Jixiang;ZHANG Xiangsen;WU Changxu;ZHAO Zengshun(College of Electronic and Information Engineering,Shandong University of Science and Technology,Qingdao,Shandong 266590,China)

机构地区：[1]山东科技大学电子信息工程学院,山东青岛266590

出　　处：《计算机工程》

基　　金：中国博士后科学基金特别项目(2015T80717);山东省自然科学基金(ZR2020MF086)。

年　　份：2022

卷　　号：48

期　　号：3

起止页码：23-37

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：知识图谱在医疗、金融、农业等领域得到快速发展与广泛应用,其可以高效整合海量数据的有效信息,为实现语义智能化搜索以及知识互联打下基础。随着深度学习的发展,传统基于规则和模板的知识图谱构建技术已经逐渐被深度学习所替代。梳理知识抽取、知识融合、知识推理3类知识图谱构建技术的发展历程,重点分析基于卷积神经网络、循环神经网络等深度学习的知识图谱构建方法,并归纳现有方法的优劣性与发展思路。此外,深度学习虽然在自然语言处理、计算机视觉等领域取得了较大成果,但自身存在依赖大规模样本、缺乏推理性与可解释性等缺陷,限制了其进一步发展。为此,对知识图谱应用于深度学习以改善深度学习自身缺陷的相关方法进行整理,分析深度学习的可解释性、指导性以及因果推理性,归纳知识图谱的优势以及发展的必要性。在此基础上,对知识图谱构建技术以及知识图谱应用于深度学习所面临的困难和挑战进行梳理和分析,并对该领域的发展前景加以展望。

关 键 词：知识图谱 信息抽取 语义网 深度学习  自然语言处理

分 类 号：TP391.1]