图神经网络应用于知识图谱推理的研究综述

知识推理（KR）作为知识图谱构建的一个重要环节，一直是该领域研究的焦点问题。随着知识图谱应用研究的不断深入和范围的不断扩大，将图神经网络（GNN）应用于知识推理的方法能够在获取知识图谱中实体、关系等语义信息的同时，充分考虑知识图谱的结构信息，使其具备更好的可解释性和更强的推理能力，因此近年来受到广泛关注。首先梳理了知识图谱和知识推理的基本知识及研究现状，简要介绍了基于逻辑规则、基于表示学习、基于神经网络和基于图神经网络的知识推理的优势与不足；其次全面总结了基于图神经网络的知识推理最新进展，将基于图神经网络的知识推理按照基于递归图神经网络（RecGNN）、卷积图神经网络（ConvGNN）、图自编码网络（GAE）和时空图神经网络（STGNN）的知识推理进行分类，对各类典型网络模型进行了介绍和对比分析；然后介绍了基于图神经网络的知识推理在医学、智能制造、军事、交通等领域的应用；最后提出了基于图神经网络的知识推理的未来研究方向，并对这个快速增长领域中的各方向研究进行了展望。