面向知识图谱的链接预测方法的研究与实现开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题意义

知识图谱是指用可视化技术来发现、描述、分析以及最终展示数据或文本之间的相互关系。具体来说，知识图谱把统计学、应用数学、计算机科学、信息科学、文献计量学等学科的理论和方法相结合，再用可视化的方式来展现学科的发展历程、研究现状、前沿领域以及整体知识框架的多学科融合的一种研究方法^[1]。知识图谱的最大优点是能够利用空间形态来形象的表现领域知识与关系。在讲究海量数据挖掘的今天，将杂乱无章的数据进行梳理，通过可视化软件来形象的展示，使数据挖掘研究更加直观，也受到各领域专家的关注。但是目前的研究表明，更多学者关注于如何更快速，准确的生成知识图谱，注重对于知识图谱直观呈现出的统计数据进行汇总研究，对于知识图谱所隐含的信息并没有进行有效的分析和利用。随着人工智能技术的发展，通过对大规模数据的分析研究，能够进行较为准确的预测、决策，所以将这些算法应用于对知识图谱的分析中，能够更深层次的挖掘出知识图谱所蕴含的意义。

链接预测方法是一种应用到静态网络，可以推理不完整网络的缺失链接；应用到时间网络，用于预测将来可能出现的新相互作用关系；同时也可以评估网络进化机制，解决网络内节点分类问题的方法^[2]。将这种方法迁移到知识图谱的分析中，能够对知识图谱进行更充分的解读，更全面的理解知识图谱。

2. 研究的基本内容和问题

研究目标

1、研究涉及解决多节点、多链接类型的链接预测方法。

2、实现面向知识图谱的链接预测方法。

3. 研究的方法与方案

研究方法

搜集大量国内外的相关文献，了解知识图谱与链接预测方法研究的最新研究与语气进展，并比较不同方法的优缺点，确定适用于本研究的方法，实现并改进该方法。

技术路线

4. 研究创新点

特色或创新之处

国内外对于知识图谱隐含知识的挖掘并不多见，大多停留在知识图谱的统计意义上，链接预测不仅能够分析缺失数据，而且能够预测未来网络中可能存在的关系，将链接预测方法应用到知识图谱中挖掘图谱可能缺失的数据或未来可能存在的关系，国内外研究还未涉及，具有一定的创新性。

5. 研究计划与进展

研究计划

1、2015年12月2016年1月

学习基础理论知识，读国内外文献，初步学习知识图谱与链接预测。