图查询的近似回答
机器学习
2023-08-15 v1 人工智能
数据库
计算机科学中的逻辑
神经与进化计算
摘要
知识图谱（KGs）由于世界知识的不完备以及作为图谱输入内容的偏差而天然是不完整的。此外，世界知识不断扩展和演化，使得已有事实过时或引入新事实。然而，我们仍希望能够在图谱看似完整的情况下回答查询。在本章中，我们将概述为此类场景下回答查询而提出的若干方法。我们首先概述这些方法可支持的查询类型及通常用于评估的数据集，并洞察其局限性。随后，我们概述不同方法，并从表达力、支持的图类型和推理能力方面进行描述。
引用
@article{arxiv.2308.06585,
title = {Approximate Answering of Graph Queries},
author = {Michael Cochez and Dimitrios Alivanistos and Erik Arakelyan and Max Berrendorf and Daniel Daza and Mikhail Galkin and Pasquale Minervini and Mathias Niepert and Hongyu Ren},
journal= {arXiv preprint arXiv:2308.06585},
year = {2023}
}
备注
Preprint of Ch. 17 "Approximate Answering of Graph Queries" in "Compendium of Neurosymbolic Artificial Intelligence", https://ebooks.iospress.nl/ISBN/978-1-64368-406-2