知识图上的神经、符号与神经符号推理

知识图推理是支撑信息抽取、信息检索和推荐等机器学习应用的基本组件。由于知识图可视为知识的离散符号表示，知识图上的推理自然可利用符号技术。然而，符号推理对模糊和噪声数据缺乏容忍度。相反，深度学习的近期进展推动了知识图上的神经推理，其对模糊和噪声数据具有鲁棒性，但相比符号推理缺乏可解释性。考虑到两种方法的优缺点，近期已有将这两种推理方法相结合的尝试。在本综述中，我们深入考察了知识图上符号、神经及混合推理的发展。我们调研了知识图补全和知识图问答这两个具体推理任务，并在统一推理框架中加以阐释。我们也简要讨论了知识图推理的未来方向。