基于逻辑规则的图谱推理如何应用于复杂问题解决？

本文共计3198个文字，预计阅读时间需要13分钟。

导语：近年来，知识图谱在众多行业场景中得到广泛应用，例如推荐系统、医疗等。为了构建尽可能完备的知识图谱，知识图谱的推理工作也成为了学术界和工业界的一个重要研究课题。本篇将探讨Mila人工智能这一主题。

---

导读： 近年来，知识图谱在众多行业场景被大量应用，例如推荐、医疗。为了构造尽可能完备的图谱，知识图谱的推理工作也成为学术届和工业界的一个重要研究课题。来自Mila人工智能实验室的瞿锰博士，给大家分享了他们在图谱推理任务方向的一个研究：基于逻辑规则的图谱推理（RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs），研究结果显示RNNLogic可以很好地兼顾图谱推理任务的模型效果和可解释性的问题。

本文将围绕以下几点展开：

• 图谱和图谱推理介绍
• 常见方法和优缺点
• 逻辑规则学习方法 RNNLogic
• 工作展望

--

01 图谱和图谱推理介绍

知识图谱可以看作是我们真实世界中的一些事实的集合，每一条事实可以表示成（h,r,t）或者r(h,t)的形式。比如说我们知道比尔盖茨是微软公司的创始人，我们就可以得到一个（Bill Gates, co-founder of, Microsoft）的3元组组成的事实。在实际生活当中，有众多知识图谱，总结了各个领域的相关知识。