.png){kind=icon}
返回
Neural Knowledge Graph Reasoning with Relational Digraph
.png){kind=icon}
PRE
AI
DOI：10.1016/j.artint.2026.104520.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱（KGs）推理旨在从已知事实中推导出未观察到的结论。尽管基于路径的方法具有可解释性和可迁移性，但它们难以捕捉复杂的图拓扑结构。相反，基于子图的方法保留了结构信息，但通常面临较高的计算开销。为融合这些优势，我们引入了关系有向图（r-digraph），该结构将关系路径泛化为分层子图，以捕获丰富的局部证据。为克服处理单个子图的计算负担，我们提出了RED-GNN。观察到针对同一查询的r-digraphs共享重叠路径，RED-GNN利用动态规划递归地对共享边的多个r-digraphs进行编码。
Keyword:
Knowledge Graph Reasoning
Relational Directed Graph
Subgraph-based Methods
Path-based Methods
Neural Networks
期刊
A
IF:
4.6
论文数:
81
被引数:
1
机构
.png){kind=icon}
