6-3 面向可解释性的知识图谱推理研究.pdf

1、面向可解释性的知识图谱推理研究及应用答辩人:万国佳导师：杜博 教授时间：2021 5.21博士学位答辩第 2 页2大纲1.研究背景2.前沿进展4.研究内容5.总结展望3.研究动机第 3 页3研究背景 引言引言计算智能感知智能认知智能能存会算能听能看会认会说理解推理解释难度价值认知智能特点：依赖背景知识例：“996”，网络热词，建立在群体共识下的新概念第 4 页4研究背景 知识图谱知识图谱实体:巴黎，埃菲尔铁塔 事实:(埃菲尔铁塔，位于，巴黎)关系:位于以图的形式将知识组织成网：=(,)有向图异质图（异质信息网络）丰富的信息（类型，属性，描述，图片等）大规模第 5 页5研究背景 知识图谱的下游应

2、用知识图谱的下游应用信息检索问答/聊天系统 语言、图像理解Q：中国的首都在哪里？A:北京Q：中国的首都相比美国的首都，谁的人口更多？A：北京的第 6 页6研究背景 知识图谱推理知识图谱推理已观测到的知识A+已观测到的知识B+=新知识例如:r(h,t)=?:事实预测(h,?,r):关系预测(h,r,?):实体预测图：链接预测问题逻辑演绎：命题约束下真值判断问题1:,=12:,=1 3:,=1人物关系知识图谱第 7 页7大纲1.研究背景2.前沿进展4.研究内容5.总结展望3.研究动机第 8 页8前沿进展 主要方法主要方法1.演绎逻辑及规则2.基于图结构的推理3.知识图谱嵌入表示4.深度神经网络模型

3、第 9 页9前沿进展 演绎逻辑及规则演绎逻辑及规则操作含义()断言全部存在非包含条件且或Query:武汉大学同时教数据结构和离散数学的老师有多少个？逻辑表达：Count(teacher（is_affiliated(people,WHU),数据结构）(teacher（is_affiliated(people,WHU),离散数学）)1.SPARQL语言（图数据库语言）2.Datalog语言（逻辑知识表示语言）3.归纳逻辑编程（ILP）1.Eiter T,Gottlob G,Mannila H.Disjunctive datalogJ.ACM Transactions on Database Sys

4、tems(TODS),1997,22(3):364-418.2.Prez J,Arenas M,Gutierrez C.Semantics and complexity of SPARQLJ.ACM Transactions on Database Systems(TODS),2009,34(3):1-45.3.Kimmig A,Bach S,Broecheler M,et al.A short introduction to probabilistic soft logicC/Proceedings of the NIPS Workshop on Probabilistic Programm

5、ing:Foundations and Applications.2012:1-4.特点：准确可解释性好泛化性能差专家制定规则表：一阶逻辑第 10 页10前沿进展 基于图结构的推理基于图结构的推理PRA节点的路径特征随机游走遍历子图特点：路径解释性稀疏问题搜索空间大.Lao N,Cohen W W.Relational retrieval using a combination of path-constrained random walksJ.Machine learning,2010,81(1):53-67.W.Xiong,T.Hoang,and W.Y.Wang,“DeepPath:A

6、reinforcement learning method for knowledge graph reasoning,”in EMNLP,2018,pp.564573.GraIL消息传递机制提取目标实体的结构信息特点：子图可解释性第 11 页11前沿进展 知识图谱表示学习知识图谱表示学习模型:TransX系列TransENIPS 2013,=+pRotateE2019 ICLR,=p知识图谱向量空间嵌入表示Wang Q,Mao Z,Wang B,et al.Knowledge graph embedding:A survey of approaches and applicationsJ.I