知识图谱对现实世界的事实进行编码表达，在各种应用和领域中都是关键的，如自然语言理解、推荐系统、药物发现和图像理解。知识图谱的一个基本问题是利用已有的事实进行推理来预测缺失的事实，即知识图推理。这一问题在不同的AI社区中得到了广泛的研究，包括通用AI社区(AAAI, IJCAI)、机器学习社区(ICML, NeurIPS, ICLR)、数据挖掘社区(KDD, WSDM, WWW)和NLP社区(ACL, EMNLP, NAACL)，它们要么专注于基本方法的开发，要么专注于重要的现实世界问题的解决方案。因此，系统介绍知识图谱推理，总结不同方法体系的进展，将有利于广大受众。在本教程中，我们计划全面介绍知识图谱推理的不同方法，包括传统的基于符号逻辑规则的方法、基于神经的方法、神经符号方法、逻辑规则归纳方法和不同的应用。本教程将使初级和高级研究人员以及对方法学开发和应用程序感兴趣的研究人员受益。

课件地址：https://aaai2022kgreasoning.github.io/

内容中包含的图片若涉及版权问题，请及时与我们联系删除