Встраивание графа знаний: обзор подходов и приложений

Встраивание графа знаний (KG) представляет собой отображение компонентов KG, включая сущности и отношения, в непрерывные векторные пространства с целью упрощения обработки при сохранении внутренней структуры графа. Это приносит пользу различным задачам следующего этапа, таким как дополнение графа знаний и извлечение отношений, и поэтому быстро привлекло значительное внимание. В данной статье мы даем систематический обзор существующих методов, охватывая как передовые достижения, так и последние тенденции. В частности, обзор структурирован по типу информации, используемой в задаче встраивания. Сначала представлены методы, обучающие встраивания, используя только факты, наблюдаемые в KG; описываются общие рамки, конкретные архитектуры моделей, типичные процедуры обучения, а также достоинства и недостатки таких методов. Затем рассматриваются подходы, которые дополнительно включают информацию помимо фактов, с особым вниманием к использованию типов сущностей, путей отношений, текстовых описаний и логических правил. Наконец, кратко показано, как встраивание KG может быть применено и принести пользу широкому кругу задач следующего этапа, таких как дополнение KG, извлечение отношений, вопросно-ответные системы и другие.