Knowledge graph reasoning: Mainstream methods, applications and prospects

Han Liu

doi:10.1016/j.engappai.2025.111625

2025-07-08

PRE

DOI：10.1016/j.engappai.2025.111625

原文链接

原文求助

摘要

En 中文

知识图谱因其强大的数据挖掘、组织和管理的容量，已成为知识表示的主流范式。其多功能性使其在多个先进领域得到了广泛的研究和应用。知识图谱推理在此背景下扮演着关键角色，通过从现有事实中推理出新事实，从而完善和优化知识库。本文通过研究其定义、基础概念和方法论，对知识图谱推理进行了全面综述。我们将推理方法系统地分为五类：基于本体的推理、基于规则的推理、基于分布式表示的神经规则推理、基于深度学习的神经规则推理以及混合推理。此外，我们分析了知识图谱推理的应用，讨论了其当前局限性，并概述了未来研究的可行方向，以提升这一快速发展的领域中性能和可扩展性。

期刊

Engineering Applications of Artificial Intelligence

IF:

论文数:

5.7K

被引数:

3.5W

机构

暂无机构信息

引用论文

Knowledge Graphs 知识图谱

ACM COMPUTING SURVEYS

IF28

2021-07-02

449

OAAI

Hogan, Aidan; Blomqvist, Eva; Cochez, Michael; D'Amato, Claudia; de Melo, Gerard; Gutierrez, Claudio; Kirrane, Sabrina; Labra Gayo, Jose Emilio; Navigli, Roberto; Neumaier, Sebastian; Ngomo, Axel-Cyrille Ngonga; Polleres, Axel; Rashid, Sabbir M.; Rula, Anisa; Schmelzeisen, Lukas; Sequeda, Juan; Staab, Steffen; Zimmermann, Antoine

Bolt defect classification algorithm based on knowledge graph and feature fusion

Energy Reports

IF0

2022-04-01

OAAI

Yinghui Kong; Xu Liu; Zhenbing Zhao; Dongxia Zhang; Jikun Duan

ODDIN: Ontology-driven differential diagnosis based on logical inference and probabilistic refinements

EXPERT SYSTEMS WITH APPLICATIONS

IF7.5

2010-03-01

OAAI

Garcia-Crespo, Angel; Rodriguez, Alejandro; Mencke, Myriam; Miguel Gomez-Berbis, Juan; Colomo-Palacios, Ricardo