.png){kind=icon}
返回
Logical Rule-Based Knowledge Graph Reasoning: A Comprehensive Survey
.png){kind=icon}
OA
AI
DOI：10.3390/math11214486.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
凭借其强大的表达能力与直观呈现方式，知识图谱已发展成为知识表示与管理的主要形式之一。然而，我们认知和构建过程中存在的偏差往往导致知识图谱出现不同程度的残缺与错误。为应对此问题，推理对于补充和修正这些不足至关重要。基于逻辑规则的知识图谱推理方法擅长通过揭示底层逻辑规则进行推理，展现出显著的泛化能力和可解释性。此外，逻辑规则的灵活性使其能够与各类神经网络模型无缝集成，从而为研究与应用提供了广阔前景。尽管基于逻辑规则的知识图谱推理方法数量日益增多，但对其方法缺乏系统性分类与分析。本文深入探讨了基于逻辑规则的知识图谱推理相关研究，将其分为四类：基于归纳逻辑编程（ILP）的方法、统一概率图模型与逻辑规则的方法、统一嵌入技术与逻辑规则的方法，以及联合使用神经网络（NNs）与逻辑规则的方法。我们介绍了这些方法的核心概念与关键技术，并分析了其优缺点，同时提供了性能比较评估。此外，我们还总结了主要问题与挑战，并对未来研究方向提出了见解。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息