声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-5602/TP
国际刊号：1673-9418
发布日期:
作者：昂格鲁玛, 王斯日古楞, 斯琴图
单位：内蒙古师范大学 计算机科学技术学院，呼和浩特 010022
关键词：知识图谱,知识图谱补全,图神经网络,大语言模型,多语言知识图谱补全
基金：内蒙古自治区自然科学基金（2024LHMS06024，2022MS06002）；内蒙古自治区科技计划项目（2021GG0139）。
知识图谱已在众多领域得到广泛应用，显著推进了人工智能相关任务的发展。然而，知识图谱在实际应用中仍面临知识不完备的挑战，这一挑战严重限制了知识图谱在下游任务中的应用效果。知识图谱补全任务能够预测知识图谱中缺失的连接，以解决知识不完备的问题。系统梳理了知识图谱及其补全技术的研究背景，明确了其在人工智能与自然语言处理等领域的关键作用。根据信息来源的不同，将现有补全方法划分为基于结构信息、基于文本信息以及融合结构与文本信息等类型，并对各类方法的代表性成果进行了介绍、优缺点比较及适用场景的归纳，揭示了当前技术的发展脉络与演进趋势。关注多语言知识图谱补全的研究进展，探讨了跨语言实体对齐等关键技术，强调了跨语言知识共享与统一建模的重要性。分析了知识图谱补全在知识融合、知识挖掘等方面的挑战，并展望了未来可能的研究趋势。
来源：2025年第9期
《计算机科学与探索》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。