封皓君,段 立,张碧莹

（海军工程大学 电子工程学院,武汉 430033）

1 引言

在信息化时代背景下,随时都会产生大量的新知识,如何完成海量知识的高效管理和利用成为亟待解决的问题之一,知识图谱（Knowledge Graph,KG）为我们提供了一种手段.随着计算能力的进步,依赖人工构建的知识图谱无法满足智能性、即时性的需求,知识推理技术应运而生.面向知识图谱的知识推理技术则是知识图谱下游任务中重要的一部分,同时也是实体链接、智能问答等任务的基础,对于知识图谱的补全以及知识清洗（提升知识库纠错能力）有重要意义.

1.1 知识图谱

知识图谱是谷歌公司于2012年提出的概念,被看作是一种反映客观世界的语义网络,其中蕴含丰富的关系模式,最初被用来完善谷歌自身的搜索引擎.知识图谱往往被表述为<实体-关系-实体>或<实体-属性-属性值>的三元组形式,以<16舰-搭载-歼15>和<16舰-完工时间-2011年>为例,在第1个三元组中,头实体是“16 舰”,尾实体是“歼 15”,他们之间关系是“搭载”; 第2个三元组中,实体是“16 舰”,属性是“完工时间”,值为“2011年”.传统依赖人工的知识图谱构建方法不能很好地包含所有知识,同时存在噪声信息,导致图谱稀疏,并且可能存在错误三元组,大规模知识图谱YAGO通过抽样宣布其存在大约5%的错误三元组,这就需要对知识推理技术进行研究.与传统推理方法不同的是,面向知识图谱的知识推理需要遵循开放世界假设（open world assumption）,未声明的三元组无法判断真假,同时所包含的谓词也几乎都是二元的.随着计算能力的进步,人们寄……