知识图谱推理问答研究综述

知识图谱问答(KGQA)通过对问题进行分析理解,结合知识图谱(KG)获取答案.但因自然语言问题的复杂性以及知识图谱的不完整性,答案准确率得不到有效提升.而知识图谱推理技术可以推断出知识图谱中缺失的实体以及实体间隐含的关系,因此,将知识图谱推理技术应用于知识图谱问答中可以进一步提升答案预测的准确性.近年来,知识图谱问答数据集的提出以及知识图谱推理技术的灵活应用,极大地推动了知识图谱问答的发展.对知识图谱推理问答从三方面进行归纳总结:首先对知识图谱推理问答进行了简要概述,并介绍了其面临的挑战以及相关数据集;其次对知识图谱推理在开放域问答、常识问答以及时序知识问答中的应用分别进行介绍,并分析了各问答方法的优劣,其中开放域问答方法进一步归纳为基于图嵌入的方法、基于深度学习的方法、基于逻辑的方法;最后总结工作,并根据当前知识图谱推理问答存在的问题对未来研究进行展望.