面向知识图谱的规则挖掘研究综述.pdfVIP

302023，59（14）ComputerEngineeringandApplications计算机工程与应用

面向知识图谱的规则挖掘研究综述

刘洪波，陈越，卢记仓，侯雪梅，杨奎武

战略支援部队信息工程大学，郑州450001

摘要：面向知识图谱的规则挖掘是从知识图谱中抽取出隐含的规则知识，应用于知识图谱补全、去噪、数据解释等

问题，具有准确度高、可解释性强的优势。综述近年来知识图谱领域规则挖掘方法的最新研究进展，详细介绍了基

于路径遍历、频繁项集和表示学习的规则挖掘方法，分析各类不同方法的特点、性能和存在问题，同时对规则的质量

评估函数进行归纳总结，并探讨和展望了该领域未来的研究方向和前景。

关键词：知识图谱；规则挖掘；规则质量评估；路径遍历；表示学习；频繁项集

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2210-0014

SurveyonRuleMiningforKnowledgeGraph

LIUHongbo,CHENYue,LUJicang,HOUXuemei,YANGKuiwu

StrategicSupportForceInformationEngineeringUniversity,Zhengzhou450001,China

Abstract：Ruleminingforknowledgegraphistoextracttheimpliedruleknowledgefromtheknowledgegraph,therules

whichhavetheadvantagesofhighaccuracyandstronginterpretabilitycanbeusedtoknowledgegraphcompletion,denois-

ing,datainterpretionandotherissues.Thelatestresearchprogressofruleminingmethodsinthefieldofknowledgegraph

arereviewed,theruleminingmethodsbasedonpathtraversal,frequentitemsetandrepresentationlearningareintroduced

indetail.Thecharacteristics,performanceandexistingproblemsofvariousmethodsareanalyzed.Thequalityevaluation

functionofrulesarediscussed.Finally,thefutureresearchdirectionandprospectofthisfieldarediscussedandprospected.

Keywords：knowledgegraph;rulemining;rulequalityevalution;pathtraversal;representationlearning;frequentitemsets

信息抽取自动化技术的发展促进了知识图谱规模的背景产生。

的增大，如NELL[1-2]、DBpedia[3]、YAGO[4-5]和Wikidata[6-7]。本文主要对知识图谱领域的规则挖掘方法和规则

这些知识图谱以三元组的形式包含数百万或数十亿的度量标准进行综述研究和分析对比，并对当前方法的现

关系事实，但这些事实中仍然存在很多缺失和错误的实状和未来的研究趋势进行探讨。

体和关系，利用规则可以进行知识图谱的补全和去噪，

并且具有准确度高、可解释性强的优点，因此规则学习1知识图谱概述

在知识图谱领域受到越来越多的关注。从不同角度进1.1知识图谱定义

行划分，规则可以分为很多种，本文所指规则是指语义知识图谱是谷歌推出的一款知识搜索产品，后来这

明确、能描述数据分布所隐含的客观规律或者领域概