图片

论文链接：https://arxiv.org/pdf/2212.05767v2.pdf

知识图谱推理(Knowledge graph reasoning, KGR)旨在从知识图谱(Knowledge graphs, KGs)中挖掘出逻辑规则，从已有事实中推理出新的事实，已成为一个快速发展的研究方向。事实证明，知识图谱在许多人工智能应用中可以显著受益，如问答和推荐系统等。根据图的类型，现有的KGR模型大致可以分为静态模型、时序模型和多模态模型3类。该领域的早期工作主要集中在静态KGR上，倾向于将通用的知识图谱嵌入模型直接应用于推理任务。然而，这些模型并不适用于更复杂但实用的任务，如归纳静态KGR、时序KGR和多模态KGR。为此，近年来开展了多项工作，但尚未有综述性论文和开源库对这一重要方向的模型进行全面的总结和讨论。为填补这一空白，从静态知识图谱到时序知识图谱再到多模态知识图谱，对知识图谱推理的研究进展进行了综述，介绍了知识图谱推理模型的初步研究进展，总结了知识图谱推理的典型数据集。此外，我们还讨论了面临的挑战和潜在的机遇。

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