基于强化学习的知识图谱综述

被引：94

作者：

马昂 ^{[1
]}

于艳华 ^{[1
]}

杨胜利 ^{[2
]}

石川 ^{[1
]}

李劼 ^{[1
]}

蔡修秀 ^{[1
]}

机构：

[1] 北京邮电大学计算机学院(国家示范性软件学院)

[2] 中国人民解放军国防大学

来源：

计算机研究与发展 | 2022年 / 59卷 / 08期

基金：

国家重点研发计划;

关键词：

知识图谱; 强化学习; 命名实体识别; 关系抽取; 知识推理; 知识表示; 知识融合;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP181 [自动推理、机器学习];

学科分类号：

120506 [数字人文]; 140502 [人工智能];

摘要：

知识图谱是一种用图结构建模事物及事物间联系的数据表示形式，是实现认知智能的重要基础，得到了学术界和工业界的广泛关注.知识图谱的研究内容主要包括知识表示、知识抽取、知识融合、知识推理4部分.目前，知识图谱的研究还存在一些挑战.例如，知识抽取面临标注数据获取困难而远程监督训练样本存在噪声问题，知识推理的可解释性和可信赖性有待进一步提升，知识表示方法依赖人工定义的规则或先验知识，知识融合方法未能充分建模实体之间的相互依赖关系等问题.由环境驱动的强化学习算法适用于贯序决策问题.通过将知识图谱的研究问题建模成路径(序列)问题，应用强化学习方法，可解决知识图谱中的存在的上述相关问题，具有重要应用价值.首先梳理了知识图谱和强化学习的基础知识.其次，对基于强化学习的知识图谱相关研究进行全面综述.再次，介绍基于强化学习的知识图谱方法如何应用于智能推荐、对话系统、游戏攻略、生物医药、金融、安全等实际领域.最后，对知识图谱与强化学习相结合的未来发展方向进行展望.

引用

页码：1694 / 1722

页数：29

共 44 条

[1]

Learning Automata-Based Multiagent Reinforcement Learning for Optimization of Cooperative Tasks..[J]..IEEE transactions on neural networks and learning systems.2020,

[2]

Graph neural entity disambiguation.[J].Linmei Hu;Jiayu Ding;Chuan Shi;Chao Shao;Shaohua Li.Knowledge-Based Systems.2020, prepublish

[3]

ADRL: An attention-based deep reinforcement learning framework for knowledge graph reasoning [J].

Wang, Qi ;

Hao, Yongsheng ;

Cao, Jie .

KNOWLEDGE-BASED SYSTEMS, 2020, 197

[4]

Relational Graph Neural Network with Hierarchical Attention for Knowledge Graph Completion.[J].Zhao Zhang;Fuzhen Zhuang;Hengshu Zhu;Zhiping Shi;Hui Xiong;Qing He.Proceedings of the AAAI Conference on Artificial Intelligence.2020, 05

[5]

Reinforcement Learning Based Meta-Path Discovery in Large-Scale Heterogeneous Information Networks.[J].Guojia Wan;Bo Du;Shirui Pan;Gholameza Haffari.Proceedings of the AAAI Conference on Artificial Intelligence.2020, 04

[6]

Rule-Guided Compositional Representation Learning on Knowledge Graphs.[J].Guanglin Niu;Yongfei Zhang;Bo Li;Peng Cui;Si Liu;Jingyang Li;Xiaowei Zhang.Proceedings of the AAAI Conference on Artificial Intelligence.2020, 03

[7]

A review: Knowledge reasoning over knowledge graph.[J].Xiaojun Chen;Shengbin Jia;Yang Xiang.Expert Systems With Applications.2020,

[8]

Dynamic Heterogeneous Information Network Embedding with Meta-path based Proximity.[J].Xiao Wang;Yuanfu Lu;Chuan Shi;Ruijia Wang;Peng Cui;Shuai Mou.IEEE Transactions on Knowledge and Data Engineering.2020, 99

[9]

Modeling Relation Paths for Knowledge Graph Completion.[J].Shen Ying;Ding Ning;Zheng Hai Tao;Li Yaliang;Yang Min.IEEE Transactions on Knowledge and Data Engineering.2020, 11

[10]

Explainable Reasoning over Knowledge Graphs for Recommendation.[J].Xiang Wang;Dingxian Wang;Canran Xu;Xiangnan He;Yixin Cao;Tat Seng Chua.Proceedings of the AAAI Conference on Artificial Intelligence.2019,

← 1 2 3 4 5 →