知识图谱是用来描述世界中存在的各种实体和概念以及他们之间的关系的一种语义网络,近年来被广泛应用于智能问答、智能推荐和信息检索等领域。目前,大多数知识图谱都具有不完整性,因此,知识图谱补全成为一项重要的任务。根据模型构造方法的不同,将知识图谱补全模型分为传统知识图谱补全模型、基于神经网络的知识图谱补全模型和基于元学习的知识图谱补全模型三类,对这三种知识图谱补全模型的分类情况进行介绍;总结知识图谱补全方法所使用的数据集和评价指标,并从各个模型优点和不足等方面对各类模型进行详细的对比分析。最后,对知识图谱补全进行归纳与总结,并展望未来的研究方向。
张文豪;徐贞顺;刘纳;王振彪;唐增金;王正安;
北方民族大学计算机科学与工程学院,银川750021 北方民族大学图像图形智能处理国家民委重点实验室,银川750021
计算机与自动化
知识图谱;翻译模型;张量分解;神经网络;元学习;知识图谱补全
《计算机工程与应用》 2024 (012)
P.61-73 / 13
宁夏自然科学基金(2021AAC03217,2021AAC03224);北方民族大学研究生创新项目(YCX23162)。
10.3778/j.issn.1002-8331.2311-0029
评论