深度学习与知识推理相结合的研究综述

文献类型： 中文期刊

第一作者： 张宇

作者： 张宇;郭文忠;林森;文朝武;龙洁花

作者机构：

关键词： 知识图谱;知识补全;知识推理;深度学习

期刊名称： 计算机工程与应用

ISSN： 1002-8331

年卷期： 2022 年 58 卷 001 期

页码： 56-69

收录情况： 北大核心 ; CSCD

摘要： 知识推理作为知识图谱的重要一环,一直处于重点研究热门对象之中.随着深度学习的不断发展,多种深度学习模型与知识推理的结合引起了很大的重视,得到了大量国内外学者的热捧.为了提高从已有知识中推理出新知识的正确率,二者的结合被广泛研究.基于深度学习的知识推理可以挖掘得更深、更仔细、更精确,有效提高了丰富知识库中的实体、关系、属性和文本信息等的利用率,使推理效果更佳.通过简单介绍知识图谱以及知识补全概念,重点叙述知识推理的概念及基本原理,从知识表示学习、知识获取和知识计算应用三个方向展开,综述了基于深度学习的知识推理CTransR、PTransE、TKRL、HAAT、AMNRE、CLSP、HDSA和SDLM模型的最新研究进展;总结了基于深度学习的知识推理在理论、算法和应用方面尚未克服的问题、研究方向和未来发展前景.

分类号： TP305

  • 相关文献
作者其他论文 更多>>

微信小程序