语义Web知识库补全关键技术研究

Large-scale knowledge bases in Semantic Web form the important basis for sharing data and building intelligent applications; knowledge base completion technique can infer missing facts in knowledge bases based on the existing facts, which is very important for expanding and improving knowledge bases. The existing knowledge base completion methods only focus on relational facts, ignoring the ontology and non-relational facts in knowledge bases of Semantic Web. To take full advantage of these new features of knowledge bases in Semantic Web, this project will study: (1) ontology-based knowledge base completion method; (2) united inference model for both relational and non-relational facts. The methods studied in this project will overcome the limits of the existing methods, and will perform better in the problem of knowledge base completion in Semantic Web.

大规模语义Web知识库是实现数据共享和构建智能应用的重要基础，知识库补全技术可以基于已有事实推断获得缺失事实，对于扩大知识库规模和提高其数据质量具有重要意义。已有的知识库补全方法只关注知识库中的关系型事实，而忽略了语义Web知识库普遍包含的本体以及非关系型事实。针对语义Web知识库的特点，本课题拟有针对性地研究：（1）基于本体约束的知识库补全方法；（2）关系型与非关系型事实的联合推断模型。本课题的研究将突破现有方法的局限与不足，在语义Web知识库补全问题上获得更好的效果。

本项目针对语义Web知识库补全问题，研究了基于本体约束的知识库补全方法、关系型与非关系型事实的联合推断模型。具体地，项目组研究并提出了有类型约束的频繁关系路径发现方法，将本体中的实体类型与关系路径相结合，获得了更加准确可靠的推理规则；研究并提出了实体属性和实体关系的联合表示学习模型，将知识库中的实体、关系和属性映射到统一的向量空间，利用实体属性提升了实体关系补全的效果；提出了基于实体属性的增强路径排序算法，同时获取关系路径特征和实体属性特征，实现了更加精准的实体关系推断；提出了基于图卷积神经网络的实体对齐方法，为知识库之间的互联与互补问题提供新的解决方法。.本项目的研究工作进展顺利，基本达到了预期的研究目标，取得了良好的研究成果。项目组已发表论文3篇、录用论文1篇，已受理专利申请2项。项目执行期间，培养硕士研究生4名，其中2名完成学位论文顺利毕业。项目组成员积极参加国内外学术交流活动，参加学术会议4人次。.近年来，知识库的构建与应用已经成为知识工程领域重要的研究方向，产业界也投入了大量的人力、物力开发基于知识库的智能应用。构建高质量知识库是一项具有挑战而且代价很高的任务，本项目研究的方法和模型可以对已有知识库进行补全与扩充，具有重要的实际意义。已有的知识库补全方法对于本体、非关系型事实利用不够，本项目的研究工作在该方向进行了较有成效的探索。