基于分布式表示的知识图谱推理研究  

作　　者：陈光希 冯峰 CHEN Guangxi;FENG Feng

机构地区：[1]北京无线电计量测试研究所,北京100854 [2]山东省网络安全与信息化技术中心,山东济南250002

出　　处：《信息技术与信息化》2025年第3期166-170,共5页Information Technology and Informatization

摘　　要：知识图谱推理(knowledge graph reasoning,KGR)是知识图谱构建及相关应用领域的一个热点问题,其目的是利用知识图谱中已经存在的信息来推导出新的知识。为了更好地挖掘和利用知识图谱中的隐含信息,基于分布式表示的知识图谱推理方法应运而生,文章从KGR的定义入手,对现有的基于分布式表示的KGR方法进行分类分析。基于分布式表示的KGR方法可以主要分为基于张量分解和基于翻译模型的方法,前者通过将知识图谱表示为张量并进行分解来捕捉复杂关系,后者通过在低维空间中进行平移或旋转操作来表示实体和关系。与此同时,文章探讨了所研究方法在实际应用中的效果,指出张量分解方法在表达复杂关系上所具有的优势,但计算复杂且扩展性差;翻译模型计算高效,但在处理复杂关系时存在局限。最后,展望了该领域的未来研究方向,指出了当前研究中存在的挑战和解决的途径,旨在为研究人员和应用开发者提供有价值的参考。

关 键 词：知识图谱推理 分布式表示 张量分解 翻译模型 人工智能 

分 类 号：G63[文化科学—教育学]