知识图谱如何进行推理?AI OPEN最新综述解读出炉 2024-08-01 08:23:05 撰文:吴婷婷在计算机技术不断深入和优化的今天,知识图谱(knowledge graph)已然成为人工智能技术的重要组成部分,它以结构化的方式描述客观世界中的概念、实体及其键的关系,将互联网信息表达成更接近于人类认知世界的形式。其中,知识图谱推理 (knowledge graph reasoning) 则成为支持机器学习应用的基本组件,如信息提取、信息检索和推荐。近日,中国人民大学研究团队对知识图谱推理技术进行了详细研究,并发表相关综述。综述深入研究了符号推理、神经推理以及混合推理,并对知识图谱推理的未来方向进行探讨。该综述以 “Neural, symbolic and neural-symbolic reasoning on knowledge graphs” 为题发表在专注 AI 开放获取的新期刊 AI OPEN 上。论文第一作者张静博士,是中国人民大学信息学院计算机系副教授,目前主要研究方向是知识图谱挖掘与推理等,任 SIGKDD、IJCAI 等领域内国际顶级学术会议高级程序委员会委员以及 TKDE、TOIS、TKDD、中国科学等知名杂志审稿人。 对比:符号推理、神经推理、混合推理方法首先,研究人员对近年来已完成的知识图谱及相关推理机制进行对比分析,总结出不同推理技术的优缺点与主要应用领域:第一,传统的基于搜索的归纳逻辑编程(Inductive Logic Programming)严重依赖于搜索算法、各种剪枝技术和高效的数据库操作,这些方法具有明显的局限性 —— 由于规则搜索过程中使用的严格匹配和离散逻辑操作,符号推理方法无法处理模糊和噪声数据;预先制定的评估标准限制了所学规则的表达能力。第二,神经推理方法利用浅层嵌入模型,如基于翻译的模型、基于乘法的模型或包括 CNN、RNN 和 GNN 的深层神经网络模型,在知识图谱中嵌入实体和关系,并据此执行推理任务。这样的推理方法是建立在语义表示上的,而非实体和关系的符号表示。然而,当出现复杂的逻辑关系时,这些简单的神经网络模型不能推断出答案。此外,神经网络没有明确的规则来解释推理结果。第三,混合推理方法包括三种。一是 * 符号驱动的神经推理 *,旨在学习实体和关系嵌入,但推理过程仍然基于嵌入,缺乏解释能力。二是 * 符号驱动的概率推理 *,通过将规则建立在知识基础上来限定逻辑规则。这种方法的计算成本往往较高,且不能产生新的规则。三是 * 神经驱动的符号推理 *,以答案预测和规则学习为目标。然而,随着跳数的增加,实体关系与路径变得更加复杂,使得预测性能难以达到较高水平。 图 | 现有知识图谱与最新进展 未来可能的研究方向此外,研究人员还总结了未来知识图谱推理可能的研究方向,如下:少样本推理(Few-shot Reasoning):是一种在训练实例极少的情况下提出的学习范式,它在计算机视觉中首次表现出显著的性能。回答复杂问题(Answering Complex Questions):现有的神经符号推理模型大多只能回答单一关系问题,性能也会随着跳数的增加而急剧下降。近年来,对于文本语料库的复杂问题回答上,结合人类认知的神经符号模型在推理能力上显示出优越性,且不会随着问题数量的增加而变弱。多源推理(Reasoning upon Multi-sources):由于知识图中由实体和关系组成的结构信息往往不够完整,因此鼓励结合非结构化文本数据中的附加信息进行推理。动态推理(Dynamic Reasoning):旨在学习新的逻辑规则,以推断出会随时间产生变化的动态结果。现有的推理方法都致力于静态知识格中的推理,但忽略了知识中包含的时间信息。类比推理(Analogical Reasoning):人类智慧的标志是,通过旧领域的经验来快速学习新领域的潜在内容。因此,通过比较新旧知识图谱之间相似性的推理模型,机器就能完成类人的自适应学习。知识图谱预训练(Knowledge Graph Pre-training):最近,已有研究证明预训练图神经网络能够基于不同的图数据,来捕获图结构特征。受这种模型的启发,一个能够捕捉不同知识图谱之间实体和关系的可转移语义的知识图谱预训练模型也值得研究。论文传送门:AI Open《人工智能中的女性》专刊:https://www.sciencedirect.com/journal/ai-open/special-issue/108NW17GNK7 AI Open《人工智能中的女性》专刊由 AI OPEN 出版的《人工智能中的女性》专刊,致力于收集和呈现活跃的女性学者或早期职业女性研究者的评论、前沿研究和应用研究。《人工智能中的女性》专刊希望提供一个平台,让女性学者可以分享机器学习、数据挖掘、计算机视觉、自然语言处理和许多其他人工智能相关学科的最新观察和成就。AI OPEN 于 2020 年 3 月创刊,专注于分享有关人工智能(AI)理论及其应用的可行知识和前瞻性观点。期刊主编为智源研究院学术副院长、清华大学计算机系唐杰教授。尽管明确鼓励女性研究人员来提交论文,但《人工智能中的女性》专刊很欢迎其他学者撰写的相关论文。提交说明:提交给本期专刊的论文必须是原创论文,不得在任何其他期刊上发表。所有论文均将经过严格的同行评审。扩展论文必须在该领域具有较新的创意想法和原创贡献,并且至少包含 30%的新内容。接收提供原创结论与发展的研究性论文(最长 9 页),评议代表性主题中最新进展的概述(最长 20 页),以及简短介绍您最近的成就或总结该领域的进展和面临的挑战的短文(最长 4 页)等。在提交文章之前,请阅读《作者指南》。所有文章均应在线提交,请在提交过程中选择专刊:人工智能中的女性。重要截止日期:提交截止日期:2021 年 9 月 10 日最终决定:2021 年 11 月 10 日发布日期:2021 年 12 月 30 日客座编辑:执行特约编辑:张静博士,中国人民大学信息学院计算机系副教授。目前主要研究方向是知识图谱挖掘与推理等方面的相关研究。发表论文 45 篇,其中包括十余篇 KDD、TKDE、TOIS、IJCAI、AAAI 等国际顶级会议或期刊论文。Google 引用次数 3800 余次。近年来任 SIGKDD、IJCAI 等领域内国际顶级学术会议高级程序委员会委员以及 TKDE、TOIS、TKDD、中国科学等知名杂志审稿人。任 AI Open 杂志 Associate Editor。 赞 (0) 相关推荐 清华大学李涓子:AI系统如何实现认知推理? 认知是人获取和应用知识的过程,知识图谱是人对客观世界认知的表示.人工智能系统如何实现知识的表示和推理? 在2021年世界人工智能大会上,由AI TIME组织的"图神经网络与认知智能前沿技术论 ... “理解万岁”为何成了人工智能行业的小目标 "我们看了不少企业的案例和宣传文章,感觉现在AI确实能把人脸.车牌甚至各种交通工具都准确地识别出来,但是我也在疑惑,如果只是识别得更准,但是不能切实解决目前这种交通拥堵的现象,意义在哪里?& ... 征文:人工智能方法在地震及结构工程中的应用【Frontiers专刊】 一.征文背景 地震灾害已造成巨大的人员伤亡和经济损失,威胁到社会和经济发展.目前,人工智能(AI)技术是学术研究和工程实践中的前沿领域和中心问题之一.人工智能是计算机科学的一个分支,该分支研发具有类人 ... 智能设计 v3.0 hi,大家好~我是shadow,设计师/全栈工程师/算法研究员,目前主要研究方向是人工智能写作和人工智能设计,当然偶尔也会跨界到人工智能艺术及其他各种AI产品.这是一篇汇总了几年的一些思考,长达100 ... 星环科技杨一帆:知识图谱的构建之路我们只走完了前半程 作为人工智能的一个重要研究领域,知识图谱的研究和发展已经走过了最初级的阶段.那么,知识图谱解决哪些其他技术无法解决的问题呢?它又面临着哪些新的挑战? 知识图谱人工和自动化构建各有利弊 作为人工智能的一 ... 从NLP到知识图谱,谁执AI的牛耳 研究全球财富管理趋势与动态 资管纵深 | 科技洞察 | 行业智库 作者 | BETA财富管理智库研究院 致远 来源 | BETA财富管理 封面图片来源丨必应 [引言] 跟一个人工智能AI公司聊天,如果 ... 知识图谱推理的最新研究进展 文章作者:费斌杰 熵简科技 创始人兼CEO 内容来源:熵简科技 导读:业界和学界对知识图谱的关注主要集中于两大领域,分别是知识图谱的构建和知识图谱的应用.前者聚焦于通过对结构化.非结构化数据的整合,实 ... 【NLP】如何全面深度学习知识图谱理论与实战,有三AI NLP负责人带学计划出炉 最近几年知识图谱作为人工智能领域很热门的一项技术,已经在不少领域都取得了不少成功的落地案例.不过知识图谱作为人工智能的一个底层技术,确实不如图像,语音等技术一样让人能很直观的感受到它的存在.于是乎,总 ... 知识图谱+机器视觉,这套AI种植管控系统让草莓生产更智慧! 当前草莓消费需求多样化,年轻群体渐成消费新引擎 ,市场前景巨大,草莓种植模式也不断升级.运用机器视觉.人工智能等技术可以将种植者的种植经验和模型系统相结合,建立基于知识推理和视觉信息识别的设施草莓智慧 ... AI“前哨”,知识图谱何以撬动千亿市场 本文为京东科技新媒体对艾瑞发布的<面向人工智能"新基建"的知识图谱行业白皮书>的解读,转载请注明来源. 人类的知识体系.认知方式可能被人工智能学习并模仿吗?人工智能可以 ... AI时代你需要知道的:知识图谱技术原理(必读) 知识图谱是什么? 知识图谱最早由谷歌发布,为了提升搜索引擎返回答案的质量以及用户查询的效率,在知识图谱辅助下,搜索引擎可以洞察到用户查询背后的一个语义信息,然后返回更为精准结构化的信息,从而更大可能的 ... 奕诊智能:历时15年,用9种AI科技+10亿医学关联知识图谱辅助医生精准诊疗 近年来,AI技术在医疗中的应用越来越广泛.不仅仅是治疗环节,AI同样服务于诊前导诊.诊中把控和诊后监测等大健康行为范畴. 2020年新冠肺炎疫情彻底改变了人们和政府机构的就医思维,"AI+互 ... 大规模、结构化新冠知识图谱如何实现?这里是清华大学AMiner和智谱AI团队的技术报告 2019 年末,一场突如其来的新型冠状病毒肺炎疫情迅速蔓延,并造成全球大流行,截止 5 月 18 日全球累计确诊病例达 470 万.全世界的科研人员.医疗人员.政府工作人员和公众渴望获得开放.全面的新 ... AI热门领域分析|未来在知识图谱领域还会面临哪些挑战? 如果未来的智能机器拥有一个大脑,知识图谱就是这个大脑中的知识库,对于大数据智能具有重要意义,将对自然语言处理.信息检索和人工智能等领域产生深远影响. 我们已于2019年1月发布<人工智能之知识图 ...