知识图谱多跳问答推理研究进展、挑战与展望

杜会芳，王昊奋，史英慧，王萌

1. 同济大学设计创意学院，上海 200092；

2. 东南大学网络空间与安全学院，江苏 无锡 214100；

3. 东南大学计算机科学与工程学院，江苏 南京 211189

1 引言

1.1 背景介绍

随着大数据时代的来临，帮助用户在海量信息中快速找到想要的信息尤为重要。知识图谱（knowledge graph，KG）以三元组的形式结构化存储海量信息，一个三元组可以表示为，其中eh表示头实体，et表示尾实体，r表示头实体与尾实体之间存在的关系。知识图谱三元组之间也存在关联关系，如上述三元组中的头实体eh可能是另外一个三元组的尾实体。知识图谱把海量互联网信息表达成客观世界可认知的语义表示，具有强大的语义表达、存储和表达能力[1]，在工业界和学术界得到了广泛关注和研究应用。智能问答系统[2]旨在针对用户提出的复杂信息需求，允许用户用自然语言问句的形式提问，并为用户直接返回精准的答案。得益于知识图谱技术的快速发展，基于知识图谱的问答（knowledge graph based question answering，KGQA）技术利用其丰富的结构化语义信息，能够深入理解用户的问题，并给出准确的答案[3]，为用户提供7×24小时的智能问答服务，在医疗、教育、金融等多个领域凸显出重要的应用价值[4-6]。

传统KGQA以实体、属性等单一具体对象为主，而在实际应用场景中，用户不再满足于单跳的知识问答，如在医疗领域中的咨询问题“常见的治疗感冒药物有哪些?”。用户更多地倾向表达复杂的多跳问答推理问题，如“请问伴有中耳炎并发症的感冒能用哪种药物治疗?”。……