CNCC2019-陈华钧-知识图谱的可解释推理与应用.pdf

简介：
该文档为2019年中国计算机大会（CNCC）上关于知识图谱的演讲材料，探讨了知识图谱中的可解释推理方法及其在实际问题解决中的应用。 陈华钧是浙江大学阿里巴巴知识引擎联合实验室的负责人。摘要：知识图谱表示向量化使得我们能够实现更易于泛化的可微分推理。然而，基于表示学习的知识图谱推理和链接预测失去了传统符号计算方法的可解释性，即模型无法对通过向量计算或神经网络训练得出的结果进行解释，导致用户只能知道结果而不知道其原因。在许多实际应用中，黑盒模型缺乏可解释性的特点使得很多应用场景不得不放弃使用表示学习方法。本报告尝试探讨知识图谱与表示学习之间的可解释性关系，并针对基于表示学习的知识图谱推理的可解释性问题提出一些研究思路和解决方法，同时结合真实的应用场景介绍相关的一些实践。