融合多跳关系路径信息的关系推理方法

董永峰，刘 超，王利琴*，李英双

（1.河北工业大学人工智能与数据科学学院，天津 300401；2.河北省大数据计算重点实验室（河北工业大学），天津 300401；3.河北省数据驱动工业智能工程研究中心（河北工业大学），天津 300401）

0 引言

知识图谱（Knowledge Graph，KG）［1］，例如YAGO、NELL和国内的百度知心等为智能问答系统、推荐系统的构建提供了十分宝贵的资源。这些知识图谱以三元组的形式包含了数以百万计的有关现实世界中实体与关系的事实，例如（马云，创立，阿里巴巴）以及（蔡崇信，创立，阿里巴巴）；但同时也存在着大量缺失关系的三元组，例如（马云，？，蔡崇信）。

为了更加有效地应用知识图谱并提高智能问答系统、推荐系统的功能性和完善性，进行实体间关系推理尤为重要。同时在进行关系推理时，需要挖掘并利用实体间多跳关系路径中的隐含信息，这样才能保证在推理之后得到的关系是符合现实事实且更加准确的。

关系推理首先需要将知识图谱中现有的实体和关系嵌入到低维空间，但是目前大多数的嵌入方法只考虑了实体之间的直接关系，即直接相连两个实体的关系，忽略了存在于实体之间的多跳关系路径对实体间关系推理的影响。例如一组多跳关系路径（李华，在职，清华大学，位于，北京）可以为三元组（李华，？，北京）提供了有效的推理证据，从而得到完善的三元组（李华，居住于，北京）。为了解决这个问题，Lao等［2］提出的路径排序算法（Path Ranking Algorithm，PRA）表明了由两个实体之间的关系类型组成的关系路径可以有效地应用于知识图谱的关系推理和补全任务上。……