作者：CHEONG

公众号：AI机器学习与知识图谱

研究方向：自然语言处理与知识图谱

本文分享一篇有关知识图谱上的神经网络和符号逻辑推理汇报ppt，简要概述基本概念并推荐几篇近期的优秀论文，介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：知识图谱符号逻辑推理

一、背景知识

1、知识图谱：知识图谱是异质图Heterogeneous Graph，图中含有多种关系类型，一组事实（head entity, relation, tail entity）就代表图中的一个三元组；

2、知识图谱推理：知识图谱通常是不完整的，很多事实是缺失的，知识图谱上的一个基本任务便是预测缺失的事实（实体或关系），因此便需要根据已有事实进行推理Reasoning on Knowledge Graphs。

3、连续空间的推理：现有大多数方法都是基于知识图谱表征Embedding，即是在Continuous Space进行推理，例如TransE系列等；

4、符号空间的推理：符号空间的推理主要指的是逻辑编程Logic Programming，马尔科夫逻辑网络等；

5、神经网络符号逻辑推理：同时在连续空间和符号空间进行推理，比如plogicNet，ExpressGNN等；

6、常见的逻辑规则：Symmetric/Antisymmetric对称/反对称，Inverse相反，Composition组合。

（1）如果r是对称关系，则r^(-1) (X, Y)<- r(X, Y) ∀X, Y

（2）如果r是反对称关系，则¬r^(-1) (X, Y)<- r(X,Y) ∀X, Y
（3）如果r1是r2的相关关系，则r_1^(-1) (X, Y)<-r_2 (X,Y) ∀X, Y

（4）如果r1是r2和r3的组合关系，则r_1 (X, Z)<- r_2 (X,Y)⋀r_3 (Y, X) ∀X,Y,Z

7、知识图谱 神经网络符号逻辑推理：便需要从知识图谱中抽取学习有用的逻辑规则logic rules，在用学到的逻辑规则帮助知识图谱进行表征学习。

8、 Neural and Symbolic Logical Reasoning on Knowledge Graphs四篇优秀论文：

（1） ExpressGNN：Efficient Probabilistic Logic Reasoning with Graph Neural Network（ICLR 2020）

（2） plogicNet：Probabilistic Logic Neural Networks for Reasoning(NIPS 2019)

（3） GMNN：Graph Markov Neural Network(ICML 2019)

（4） RNNLogic：Learning Logic Rules for Reasoning on Knowledge Graphs

二、汇报PPT

三、往期精彩

【知识图谱系列】Over-Smoothing 2020综述

【知识图谱系列】知识图谱表示学习综述 | 近30篇优秀论文串讲

【知识图谱系列】探索DeepGNN中Over-Smoothing问题

【知识图谱系列】动态时序知识图谱EvolveGCN

【知识图谱系列】多关系神经网络CompGCN

【面经系列】八位硕博大佬的字节之旅

各大AI研究院共35场NLP算法岗面经奉上

【机器学习系列】机器学习中的两大学派

干货 | Attention注意力机制超全综述

干货 | NLP中的十个预训练模型

干货|一文弄懂机器学习中偏差和方差

FastText原理和文本分类实战，看这一篇就够了

Transformer模型细节理解及Tensorflow实现

GPT,GPT2,Bert,Transformer-XL,XLNet论文阅读速递

机器学习算法篇：最大似然估计证明最小二乘法合理性

Word2vec, Fasttext, Glove, Elmo, Bert, Flair训练词向量教程+数据+源码

汇报完整版ppt可通过关注公众号后回复关键词：知识图谱符号逻辑推理 来获得，有用就点个赞！