知识图谱研究方向调研
郝伟 2021/0/0
了解知识图谱主要研究方向。查询到相关论文数篇，都是2021年的，这里下载：下载地址(11.2M)。
知识图谱主要研究方向包括以下内容：
如何定义和建立对知识的表示，是知识图谱最基本的内容。
Embedding在数学上是一个函数，将一个空间的点映射到另一个空间，通常是从高维抽象的空间映射到低维的具象空间。
Embeding的意义将高维数据转换到低维利于算法的处理, 例如使用one-hot向量长度随样本的变化而变化，以及无法表示两个实体之间的相关性这一问题。
知识融合，即合并两个知识图谱(本体)，基本的问题都是研究怎样将来自多个来源的关于同一个实体或概念的描述信息融合起来，包括：
- 本体匹配（ontology matching）
侧重发现模式层等价或相似的类、属性或关系，也成为本体映射（mapping）、本体对齐（alignment）。
- 实体对齐（entity alignment）
侧重发现指称真实世界相同对象的不同实例，也称为实体消解（resolution）、实例匹配（instance matching）。
- 实例匹配（instance matching）
一般通过冲突检测、真值发现等技术消解知识图谱融合过程中的冲突，再对知识进行关联与合并，最终形成一个一致的结果。
即使用与具体应用相结合。
包括知识图谱构建、知识图谱与机器学习、知识图谱优化等内容。
下载地址(11.2M)。
- 2021.01_Domain-specific Knowledge Graphs A survey.pdf
- 2020.10_A Survey of Embedding Space Alignment Methods for Language and Knowledge Graphs.pdf
- 2021.04_A Survey on Knowledge Graphs Representation, Acquisition and Applications.pdf
- 2020.05_Utilizing Textual Information in Knowledge Graph Embedding A Survey of Methods and Applications.pdf
- 2021.10_A Survey on State-of-the-art Techniques for Knowledge Graphs Construction and Challenges ahead.pdf
- 2021.03_A_Comprehensive_Survey_on_Knowledge_Graph_Entity_A.pdf
- 2021.03_A_Survey_on_Knowledge_Graph_Embeddings_for_Link_Pr.pdf