动态知识图谱的神经符号方法
人工智能
2024-09-10 v1
摘要
知识图谱（KGs）最近被用于许多工具和应用，因而以结构化格式呈现为丰富的资源。然而，在现实世界中，KGs因新增实体和关系而不断增长，导致这些图谱具有动态特性。本章节正式定义了几种类型的动态KGs，并总结了这些图谱的表示方法。此外，已提出许多神经符号方法用于静态KGs的表示学习，以完成多个任务，如知识图谱补全和实体对齐。本章进一步聚焦于动态KGs（无论是否包含时间信息）的神经符号方法。具体而言，本文提供了关于神经符号方法用于动态（temporal或non-temporal）知识图谱补全和实体对齐任务的见解。进一步讨论了当前方法的挑战，并提供了一些未来方向。
引用
@article{arxiv.2409.04572,
title = {Neurosymbolic Methods for Dynamic Knowledge Graphs},
author = {Mehwish Alam and Genet Asefa Gesese and Pierre-Henri Paris},
journal= {arXiv preprint arXiv:2409.04572},
year = {2024}
}