基于知识图谱推理的关系推演

对于知识图谱的关注可以分为两个方面：知识图谱的构建和基于知识图谱数据结构的应用。知识图谱的构建主要关注如何整合结构化、非结构化的数据，实现用统一的语义数据结构如三元组RDF形式的数据存储。基于知识图谱的应用主要关注如何从这种语义数据结构中挖掘、发现、推演出相关的隐藏知识或新知识或者实现更上层的应用如搜索、问答、决策、推荐等，具体可以参考《三个角度理解知识图谱》。本文主要讲一下基于知识图谱推理的关系推演（或者叫做关系预测），主要包括如下几个方面：

1、知识图谱推理的主要作用；

2、知识图谱推理的基本原理；

3、知识图谱推理的主要方法；

4、TransE算法理解

 

1、知识图谱推理的主要作用

针对知识图谱分析系统，需要考虑哪些具体场景能用到推理算法，根据目前了解，大致可以分为如下的几种情况：

• 大量数据表到知识图谱转化的时候，有部分数据是没有直接关联的，需要通过推理算法来进行类别标注/关系连接补全；
• 加载业务模型时，可以使用一些业务规则（或逻辑规则）进行推理，这些业务规则可以是常用人机交互流程的固化 ,也可以是用户编辑的业务规则；
• 使用分布式表示学习方法时，可以利用表示学习后向量做一些更高层次的应用，比如计算相似度来做搜索、推荐或输入其它机器学习算法中去，完成相关的分类、聚类、推荐等；

 

2、知识图谱推理的基本原理

知识图谱推理根据是否与业务相关，主要可以分为基于规则的推理和基于算法的推理。

（1）基于规则的推理

主要是通过业务本体框架中的相关约束来做相关的推理，比如类别推理、属性推理等。

• 想知道实体类别，而没有直接给出-----类别推理；

由底层类向高层类的推理（是底层类，则必是高层类）

• 通过关系的定义域和值域来推理（关系的定义域和值域是固定的，实例具有这种关系，则实例就是定义域或值域规定的类别）

 

（2）基于算法的推理

基于算法的