Dealing with Inconsistency for Reasoning over Knowledge Graphs: A Survey
作者: Anastasios Nentidis, Charilaos Akasiadis, Angelos Charalambidis, Alexander Artikis
发布时间: 2025-02-27
来源: arxiv
研究方向: 知识图谱推理与知识图谱质量
主要内容
该论文主要研究了在知识图谱推理过程中如何处理不一致性。知识图谱的不一致性通常来源于数据的自动提取或多个数据集的整合，这会阻碍推理过程。论文分析了现有的处理不一致性方法的最新进展，主要涵盖了三个方向：a) 检测知识图谱中的不一致部分，b) 修复不一致的知识图谱，使其一致，以及 c) 在不一致的情况下进行推理。
主要贡献
1. 全面概述了处理知识图谱不一致性的现有方法。
2. 分析了不同领域的方法，包括语义网、数据质量和查询回答，并解释了它们如何与形式推理相关。
3. 指出了当前方法的挑战和未来的研究方向。
4. 提出了多种不一致性检测方法，包括精确和近似方法。
5. 讨论了修复不一致知识图谱的各种方法，包括基于约束的方法、基于机器学习的方法以及基于外部知识源的方法。
6. 介绍了容忍不一致推理的不同语义，包括基于修复的推理和许多值逻辑。
研究方法
1. 不一致性检测：包括基于逻辑的方法、基于模块化的方法、基于约束的方法和基于机器学习的方法。
2. 知识图谱修复：包括基于约束的方法、基于机器学习的方法以及基于外部知识源的方法。
3. 容忍不一致推理：包括基于修复的推理和许多值逻辑。
实验结果
论文没有进行具体的实验，而是通过分析现有方法的结果来总结实验结果。
未来工作
未来研究方向包括：开发更有效的知识图谱不一致性检测方法，提高知识图谱修复的效率和准确性，以及研究如何将不同的方法结合起来以提高推理的鲁棒性。