李宁静

(云南大学 信息学院，云南 昆明 650500)

0 引 言

知识图谱(knowledge graph，KG)[1]通过表示学习可计算，被用作知识查询、个性化推荐中重要的知识储备库，分析和量化KG中的实体间关联关系是实现和提供这些服务的基础和关键，而KG中的实体之间的关联度计算是提供这些服务的重要依据[2-4]。KG中实体之间的关联关系存在不确定性，通过KG结构网络中已知的实体以及实体之间存在的边关系，计算KG中实体之间的关联度，不仅能验证KG中实体之间已有关系的准确性，还能为预测实体间存在的隐含关系提供可靠依据，进而为KG的知识推理提供支撑技术。

针对KG中实体间关联关系的表示和推理，文献[5]通过样例子图以子图同构的方法衡量KG中的实体间关系；文献[6]基于距离和结构的相关性，提出了一种面向多源KG的实体间关联度度量标准；文献[7]将实体和关系嵌入到向量空间，并以向量空间距离判断实体间的相似性；文献[8]利用实体的语义上下文作为实体间相似性度量的补充方法，从而评估三元组存在的可能性。上述方法虽然为KG中实体间关联度的计算方法提供了思路，但并没有明确地对实体间的关联关系进行定量描述，且不能有效定量地分析和表示关联关系存在的不确定性。

基于以上的研究分析，考虑到贝叶斯网(Bayesian network，BN)[9]对于不确定知识表示和推理的有效性，本文通过构建基于KG的BN(knowledge graph based Bayesian network，KBN)来描述KG中实体之间的关联关系，进而基于KBN的概率推理定量地表示KG中实体之间的关联关系。……