北航团队全面梳理知识图谱推理技术，为实际业务场景落地带来指导

北京航空航天大学教授牛广林，从北航计算机学院攻读博士学位期间一直在研究知识图谱和知识图谱推理技术，当时在这个领域发表了几篇顶会论文，同时建立了最早之一的知识图谱领域的社交媒体账号，在闲暇之余他发表了不少自己在学习知识图谱领域前沿研究或实用工具时的总结和体会。

2022 年，牛广林从北航毕业留校任教后，就一直想写一篇知识图谱推理领域的综述论文，一方面从社交媒体读者和出版社编辑的反馈来看自己写的知识图谱综述类文章还挺受欢迎的，另一方面国内外综述论文对于知识图谱推理这一人工智能中的重要研究领域主要是从某一特定视角进行的梳理，更加全面的总结工作值得进一步填补。

更有意思的是，2022 年正值 ChatGPT 上线，全世界的人们都惊叹于 ChatGPT 的强大功能，而且周围很多老师和朋友都逐渐转向大模型的研究。然而，牛广林作为知识图谱的研究者，更想证明在大模型的时代，知识图谱推理技术仍然有很大的研究价值和探索空间。因此，从 2023 年开始牛广林就动笔撰写了一篇综述论文，希望能完成一篇全面的知识图谱推理综述，为相关领域的研究人员提供一定的参考和启发，只是没想到完成这篇综述论文用了近两年时间。

这篇综述论文从任务导向的角度将现有的知识图谱推理方法分为静态单步推理、静态多步推理、动态推理、多模态推理、小样本推理和归纳式推理六类，并进一步从六类基本推理任务和复杂推理任务、知识图谱推理技术的下游应用以及当前更具挑战的推理任务三个主要维度，对知识图谱推理技术的现有研究进行了全面系统的梳理和分析。

特别的，他和团队还探讨了大模型等前沿技术在知识图谱推理领域的运用和效果。为了便于读者理解不同方法的特点，该团队对比了每类推理任务中不同方法间的优缺点。同时，为了便于大家开展相关研究，牛广林已经将这篇综述论文中引用的所有论文进行整理并建立了一个 GitHub 项目，包含论文题目、发表期刊或会议名称、发表时间和论文信息页面的链接地址（https://github.com/ngl567/KGR-Survey）。

此外，该综述论文对每类知识图谱推理任务开展实验所需的常用公开数据集进行了介绍，并总结了当前主流好用的一些知识图谱表示学习开源库，有助于相关研究者尤其是入门人员快速上手进行代码实现。总的来说，本综述研究旨在突显知识图谱推理领域的关键研究热点，并展望未来值得关注的研究方向，便于相关研究者快速了解该领域发展并开展研究。

这篇综述论文梳理了当前几类主要知识图谱推理任务的已有方法，可以引导相关研究者发现感兴趣的研究方向和探索有价值的研究内容。更重要的是，该综述论文首次全面梳理了知识图谱推理技术的下游应用情况，包括在问答系统、推荐系统和视觉推理等水平领域的应用，同时在医疗、商业、网络安全、教育、社会治理、交通运输和环境监测等垂直领域展现出的明显优势。因此，该综述有助于其它领域的研究者了解知识图谱推理技术在不同领域中的应用模式和实际价值，并指导工业界研究者将知识图谱推理技术在实际业务场景中落地应用。

虽然大家看到的这篇综述论文是以英文发表在arXiv平台，但牛广林最初其实是想写一篇中文论文，因为他当时刚接触知识图谱领域研究时就是通过几篇高质量的中文综述论文入门，所以他觉得写好一篇中文综述论文更能够帮助国内研究者尤其在校学生初步了解该领域研究。但是，在经过一年的论文撰写并完成总共 70 多页的知识图谱推理中文综述论文后，通过国内中文期刊的投稿得到编辑的意见后认识到这篇综述论文由于篇幅过长，如果不进行大量的内容删减甚至无法进行实质的审稿。因此，为了保证综述论文的完整性，不得不转换为英文版本，因为至少可以发布在arXiv平台让研究者了解到这项研究内容。

所以，在经过一年的论文改写后，牛广林完成了整篇英文综述论文并提交到arXiv平台。再一次没想到的是，不同于一般的研究性论文可能提交后很快就能发布，arXiv平台对于综述论文的把控较为严格，经过两个月的评审这篇综述论文才得以发布。“在这里，需要感谢这篇综述论文合作者的帮助，团队负责人李波教授对这篇综述论文提出了很多高屋建瓴的指导意见，林阳光同学在本科实习期间参与了这篇综述中知识图谱推理应用部分的方法梳理。”他表示。

通过该综述论文，牛广林自己对知识图谱推理技术有了更全面的理解和认识。接下来，他将与课题组成员在基于大模型、结合多模态数据、增强可解释性等方面开展知识图谱推理技术的基础研究，并实现其在态势预测、风险处置推荐、视觉理解和推理等领域的实际应用。

参考资料：

本次综述论文arXiv地址：https://arXiv.org/abs/2506.11012

综述对应的 GitHub 项目地址：https://github.com/ngl567/KGR-Survey