文献类型：期刊文章

作　　者：孙水发[1,2] 李小龙[1,3] 李伟生[4] 雷大江[4] 李思慧[1,2] 杨柳[5] 吴义熔[6]

SUN Shuifa;LI Xiaolong;LI Weisheng;LEI Dajiang;LI Sihui;YANG Liu;WU Yirong(Yichang Key Laboratory of Intelligent Medicine,Yichang,Hubei 443002,China;College of Computer and Information Technology,China Three Gorges University,Yichang,Hubei 443002,China;College of Economics and Management,China Three Gorges University,Yichang,Hubei 443002,China;College of Computer Science and Technology,Chongqing University of Posts and Telecommunications,Chongqing 400065,China;Faculty of Psychology,Beijing Normal University,Zhuhai,Guangdong 519087,China;Institute of Advanced Studies in Humanities and Social Sciences,Beijing Normal University,Zhuhai,Guangdong 519087,China)

机构地区：[1]智慧医疗宜昌市重点实验室,湖北宜昌443002 [2]三峡大学计算机与信息学院,湖北宜昌443002 [3]三峡大学经济与管理学院,湖北宜昌443002 [4]重庆邮电大学计算机科学与技术学院,重庆400065 [5]北京师范大学心理学部,广东珠海519087 [6]北京师范大学人文和社会科学高等研究院,广东珠海519087

出　　处：《计算机科学与探索》

基　　金：国家社会科学基金(20BTQ066)。

年　　份：2023

卷　　号：17

期　　号：1

起止页码：27-52

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、DOAJ、IC、JST、ZGKJHX、核心刊

摘　　要：知识推理(KR)作为知识图谱构建的一个重要环节,一直是该领域研究的焦点问题。随着知识图谱应用研究的不断深入和范围的不断扩大,将图神经网络(GNN)应用于知识推理的方法能够在获取知识图谱中实体、关系等语义信息的同时,充分考虑知识图谱的结构信息,使其具备更好的可解释性和更强的推理能力,因此近年来受到广泛关注。首先梳理了知识图谱和知识推理的基本知识及研究现状,简要介绍了基于逻辑规则、基于表示学习、基于神经网络和基于图神经网络的知识推理的优势与不足;其次全面总结了基于图神经网络的知识推理最新进展,将基于图神经网络的知识推理按照基于递归图神经网络(RecGNN)、卷积图神经网络(ConvGNN)、图自编码网络(GAE)和时空图神经网络(STGNN)的知识推理进行分类,对各类典型网络模型进行了介绍和对比分析;然后介绍了基于图神经网络的知识推理在医学、智能制造、军事、交通等领域的应用;最后提出了基于图神经网络的知识推理的未来研究方向,并对这个快速增长领域中的各方向研究进行了展望。

关 键 词：知识图谱 知识推理(KR)  图神经网络(GNN)  语义信息 结构信息

分 类 号：TP391]