Обзор графов знаний: представление, получение и приложения
A Survey on Knowledge Graphs: Representation, Acquisition, and Applications
2021-04-26
SCID: 54.1/4f8k3xtu
Discuss with AI
дополнение графов знанийвстраивание графов знанийобучение представлению графов знанийграфы знанийвременные графы знаний
Figures from the paper
Abstract (AI)
Знания человека обеспечивают формализованное понимание мира. Графы знаний, представляющие структурные отношения между сущностями, становятся все более популярным направлением исследований, ориентированным на достижение когнитивных возможностей и интеллекта человеческого уровня. В этом обзоре представлен всесторонний анализ графов знаний, охватывающий следующие основные направления исследований: (1) обучение представлениям графов знаний; (2) получение и дополнение знаний; (3) временные графы знаний; и (4) приложения, учитывающие знания. Обобщены последние достижения и перспективные направления для содействия дальнейшим исследованиям. Для этих тем предложены всеобъемлющая классификация и новые таксономии. Встраивание графов знаний рассматривается с четырех аспектов: пространства представлений, функции оценки, моделей кодирования и вспомогательной информации. В области получения знаний, особенно дополнения графов знаний, рассмотрены методы встраивания, вывод на основе путей и логическое рассуждение по правилам. Кроме того, исследованы несколько новых направлений, включая метареляционное обучение, рассуждение на основе здравого смысла и временные графы знаний. Для содействия дальнейшим исследованиям графов знаний также представлена систематизированная подборка наборов данных и библиотек с открытым исходным кодом для различных задач. В заключение дан подробный обзор нескольких перспективных направлений исследований.
Key Findings
1
Предложены унифицированные таксономии обучения представлениям графов знаний на основе пространства представлений, функции оценки, модели кодирования и вспомогательной информации.
2
Предоставлена подборка датасетов и библиотек с открытым исходным кодом для различных задач графов знаний, а также определены перспективные направления дальнейших исследований.
3
Методы дополнения графов знаний систематизированы по подходам на основе эмбеддингов, выводу по путям и рассуждению с использованием логических правил.
4
В обзоре выделены перспективные направления, включая метареляционное обучение, рассуждение на основе здравого смысла и временные графы знаний.
5
В обзоре представлен комплексный анализ исследований по графам знаний, включая обучение представлению, получение и дополнение знаний, временные графы и приложения, учитывающие знания.
Research Object
Графы знаний
Research Subject
их представление, получение и дополнение, моделирование временных аспектов и приложения, учитывающие знания
Publication Details
Publication Date
2021-04-26
Journal
Publisher
ISSN
Cited by
3250
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai20
Банк данных по белкам2000
Полуобучаемая классификация с использованием графовых сверточных сетей2016
WordNet1995
Нейронные архитектуры для распознавания именованных сущностей2016
Встраивание графа знаний посредством трансляций на гиперплоскостях2014
Обучение встраиваний сущностей и отношений для дополнения графа знаний2015
ConceptNet 5.5: открытый многоязычный граф общих знаний2017
Встраивание графа знаний: обзор подходов и приложений2017
Сверточные двумерные встраивания для графов знаний2018
Графы знаний2021
Встраивание (эмбеддинг) графа знаний с помощью динамической матрицы отображения2015
Обзор реляционного машинного обучения для графов знаний2015
Уточнение графов знаний: обзор подходов и методов оценки2016
DeepPath: метод обучения с подкреплением для логического вывода в графах знаний2017
K-BERT: обеспечение языкового представления с помощью графов знаний2020
ERNIE 2.0: Непрерывная рамочная схема дополнительного предобучения для понимания языка2020
Новая каскадная бинарная модель разметки для извлечения реляционных троек2020
Голографические вложения графов знаний2016
Обескураживающе простой подход к извлечению сущностей и отношений2021
TransG: генеративная модель для встраивания графов знаний2016
Работы, цитирующие эту статью12
Объединение больших языковых моделей и графов знаний: дорожная карта2024
Графы знаний2021
Аугментация текстовых данных для глубокого обучения2021
Искусственный интеллект: мощная парадигма для научных исследований2021
Обзор рекомендательных систем на основе графов знаний2020
Графы знаний: возможности и проблемы2023
Генерация с дополнением извлечённой информации под руководством графа знаний2025
Сети семантической связи с генеративным ИИ: архитектура, технологии и приложения2024
Проектирование пространств данных2022
Определение процесса разработки графа знаний на основе систематического обзора2022
Построение графов знаний: современное состояние и проблемы2024
Познание эмоционального мира визуальных медиа: обзор науки, исследований и влияния понимания эмоций2023