技术动态 | 知识图谱表示应用场景：实体推荐与知识推理过程简析

转载公众号 | 老刘说NLP在以前的文章中我们介绍了知识图谱表示学习的一些经典方法，包括TransE、TransD、TransR、TransH、RotateE、pairRE等，通过这些方法，我们可以学习实体和关系的嵌入表示，并用于实体补全等操作。之前有篇文章写到知识图谱的推理，《技术总结：知识图谱推理中的常用方法、关键问题、评测指标与开放数据总结》，就知识推理常用的方法和关键问题等方面进行了总结。本文主要围绕知识图谱表示的落地应用这一主题展开论述，介绍其中的两个重要场景，并结合实际的案例进行展示，以加深理解。一、知识图谱表示的应用场景知识图谱表示学习，能够将实体和关系嵌入到一个低维空间，使得相似的实体和关系尽可能相近。基于这样一种假设，我们可以得到知识补全以及实体推荐这两个主要应用点。1、实体补全实体补全问题，是知 ………………………………