典型文献
深度学习与知识推理相结合的研究综述
文献摘要：
知识推理作为知识图谱的重要一环,一直处于重点研究热门对象之中.随着深度学习的不断发展,多种深度学习模型与知识推理的结合引起了很大的重视,得到了大量国内外学者的热捧.为了提高从已有知识中推理出新知识的正确率,二者的结合被广泛研究.基于深度学习的知识推理可以挖掘得更深、更仔细、更精确,有效提高了丰富知识库中的实体、关系、属性和文本信息等的利用率,使推理效果更佳.通过简单介绍知识图谱以及知识补全概念,重点叙述知识推理的概念及基本原理,从知识表示学习、知识获取和知识计算应用三个方向展开,综述了基于深度学习的知识推理CTransR、PTransE、TKRL、HAAT、AMNRE、CLSP、HDSA和SDLM模型的最新研究进展;总结了基于深度学习的知识推理在理论、算法和应用方面尚未克服的问题、研究方向和未来发展前景.
文献关键词：
知识图谱;知识补全;知识推理;深度学习
中图分类号：
作者姓名：
张宇;郭文忠;林森;文朝武;龙洁花
作者机构：
北京农业智能装备技术研究中心,北京 100097;吉林农业大学 信息技术学院,长春 130118
文献出处：
引用格式：
[1]张宇;郭文忠;林森;文朝武;龙洁花-.深度学习与知识推理相结合的研究综述)[J].计算机工程与应用,2022(01):56-69
A类：
CTransR,PTransE,TKRL,HAAT,AMNRE,HDSA,SDLM
B类：
知识推理,深度学习模型,新知识,知识库,文本信息,知识补全,知识表示学习,知识获取,知识计算,CLSP,最新研究进展,未来发展前景
AB值：
0.192123
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
