UCLA胡子牛：知识图谱的自监督学习与逻辑推理

知识图谱是一种多关系的图结构，每个节点表示一个实体，每个边表示连接的两个节点之间的关系，可以将图谱中建模的节点和边表示为三元组。知识图谱有很强的符号化表征能力，但是还是会有不完整性，很难直接用于问答系统、语音助手等场景。神经网络可以自动抽取高语义的表征，可以更好地帮助解决各类问题。但是，神经网络缺少可解释性，将神经网络和知识图谱进行结合可以在不需要人工介入的情况下解决一些非常高层次的知识推理工作。

本文主要介绍作者过去一年中做的两个方向的工作：第一类是利用知识图谱中的结构化知识预训练神经网络模型，让这些预训练模型学习这些图谱知识；第二类工作是直接使用可微分神经网络进行复杂的知识图谱的推理工作。本文主要介绍生成式的自监督图神经网络预训练模型和可微分的知识图谱推理两方面的内容。