Feb, 2020
知识图谱概论：表示、获取与应用
A Survey on Knowledge Graphs: Representation, Acquisition and Applications
Shaoxiong Ji, Shirui Pan, Erik Cambria, Pekka Marttinen, Philip S. Yu
TL;DR本文综合研究了知识图谱的几个方面，包括结构学习、知识获取和补全、时间知识图谱和基于知识图谱的应用，并提出了新的分类和分类法，以促进未来的研究。
Abstract
Human knowledge provides a formal understanding of the world. Knowledge
graphs that represent structural relations between entities have become an
increasingly popular research direction towards cognition and human-level
intelligence. In this survey, we provide a comprehensive review of knowledge
graph covering overall research topics about 1) →
发现论文，激发创造
时间知识图谱的调查：表示学习和应用
通过综合调查学习了时间知识图谱表示学习及其应用，包括定义、数据集、评估指标、核心技术分类、方法分析以及与时间相关的下游应用，并对未来研究方向进行了展望。
Mar, 2024
知识图谱嵌入模型及其应用调查
知识图谱是一个基于图形的数据结构，用于表示世界的事实，其中节点表示现实世界的实体或抽象概念，边表示实体之间的关系。知识图谱嵌入通过在低维向量空间中表示实体和关系来捕捉它们之间的语义关系。本文讨论了基于翻译和神经网络的嵌入模型，它们根据语义属性、评分函数和架构的不同而有所区别，并进一步讨论了在一些使用深度学习模型和利用社交媒体数据的领域中应用知识图谱。
Apr, 2024
知识图谱的演变：调查和展望
知识图谱是多样化知识的结构化表示方式，广泛应用于各种智能应用。本文综述了各种类型的知识图谱（静态、动态、时态和事件型）的演化以及知识提取和推理技术，并介绍了不同类型知识图谱的实际应用，包括金融分析的案例研究。最后，我们提出了关于知识工程未来方向的观点，包括将知识图谱和大型语言模型的能力结合以及知识提取、推理和表示的发展。
Oct, 2023
知识图谱：机遇与挑战
本文系统综述知识图谱领域中的机遇和挑战。通过回顾知识图谱在人工智能系统和潜在应用领域中的机遇，以及知识图谱嵌入、知识获取、知识图谱完成、知识融合和知识推理等技术上的严重挑战，我们期望本次调查将为未来的研究和知识图谱的发展带来新的见解。
Mar, 2023
使用紧凑、代表性、相关的知识图谱丰富文档
提出了一种基于知识图谱和实体关系子图的文档丰富方法，通过新的组合优化问题求解算法实现了紧凑、具有代表性和相关性的 ERG，利用本体知识对 ERG 进行排序，实现了在有效丰富的同时保证了相关性和紧凑性。
May, 2020