姚章俊

(西南电子技术研究所 第四事业部，四川 成都 610036)

0 引 言

知识图谱以结构化的形式描述客观世界中概念、实体及其之间的关系，多跳推理接受实体及关系等查询条件，根据特定算法计算出起始实体满足关系映射的目标实体[1]。举例说明：图1展示部分新冠疫情知识图谱，其中包含多个已知的事实三元组，如 ("药物"，"治愈"，"疾病")、 ("病毒"，"变异"，"基因") 和 ("防疫方案"，"圈定"，"聚集区") 等，知识图谱多跳推理用以推断与“防疫方案”为“包含”关系的目标实体(在图1中是“中药”)，与“个人”为“感染”关系的目标实体(在图1中是“病毒”)。

图1 新冠疫情知识图谱多跳推理示例

在现有多跳推理方法中，文献[2]中基于描述逻辑推理方法和基于本体规则推理方法具有规则编写复杂、冲突消解困难、泛化能力差的缺点；文献[3]基于分布式嵌入表示推理方法和基于神经网络关系路径推理方法具有可解释性不强，返回结果可信度低，且无法在大规模知识图谱上应用的不足。

综合国内外文献[4-9]可知，知识图谱多跳推理可以被建模为有限视界的确定部分可观测马尔可夫决策过程，满足强化学习试错和延迟收益的特点：从起始实体开始，在推理智能体与知识图谱环境不断交互中，每一步选择一条关系边，以最大化收益期望为目标，不断搜索推理路径直至满足查询关系映射的答案节点。期间不需要访问任何预计算的路径，也不需要对候选路径进行排序，避免在海量知识图谱上出现维度灾难问题。……