典型文献
基于强化学习的知识图谱综述
文献摘要：
知识图谱是一种用图结构建模事物及事物间联系的数据表示形式,是实现认知智能的重要基础,得到了学术界和工业界的广泛关注.知识图谱的研究内容主要包括知识表示、知识抽取、知识融合、知识推理4部分.目前,知识图谱的研究还存在一些挑战.例如,知识抽取面临标注数据获取困难而远程监督训练样本存在噪声问题,知识推理的可解释性和可信赖性有待进一步提升,知识表示方法依赖人工定义的规则或先验知识,知识融合方法未能充分建模实体之间的相互依赖关系等问题.由环境驱动的强化学习算法适用于贯序决策问题.通过将知识图谱的研究问题建模成路径(序列)问题,应用强化学习方法,可解决知识图谱中的存在的上述相关问题,具有重要应用价值.首先梳理了知识图谱和强化学习的基础知识.其次,对基于强化学习的知识图谱相关研究进行全面综述.再次,介绍基于强化学习的知识图谱方法如何应用于智能推荐、对话系统、游戏攻略、生物医药、金融、安全等实际领域.最后,对知识图谱与强化学习相结合的未来发展方向进行展望.
文献关键词：
知识图谱;强化学习;命名实体识别;关系抽取;知识推理;知识表示;知识融合
中图分类号：
作者姓名：
马昂;于艳华;杨胜利;石川;李劼;蔡修秀
作者机构：
北京邮电大学计算机学院(国家示范性软件学院) 北京 100876;中国人民解放军国防大学 北京 100091
文献出处：
引用格式：
[1]马昂;于艳华;杨胜利;石川;李劼;蔡修秀-.基于强化学习的知识图谱综述)[J].计算机研究与发展,2022(08):1694-1722
A类：
B类：
图结构,结构建模,数据表示,表示形式,认知智能,工业界,知识表示,知识抽取,知识融合,知识推理,数据获取,远程监督,训练样本,噪声问题,可解释性,可信赖性,表示方法,先验知识,融合方法,相互依赖,依赖关系,环境驱动,强化学习算法,决策问题,研究问题,强化学习方法,重要应用,基础知识,谱方法,智能推荐,对话系统,攻略,生物医药,命名实体识别,关系抽取
AB值：
0.359955
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
