人工智能之认知图谱 Research Report of Cognitive Graph 2020年第6期 清华大学人工智能研究院 北京智源人工智能研究院 清华—中国工程院知识智能联合研究中心 阿里集团—新零售智能引擎事业群 2020年08月 人工智能之认知图谱 Research Report of Cognitive Graph 2020年第6期 清华大学人工智能研究院 北京智源人工智能研究院 清华—中国工程院知识智能联合研究中心 阿里集团—新零售智能引擎事业群 2020年08月 摘要 认知图谱（Cognitive Graph）旨在结合认知心理学、脑科学和人类知识等，研发融合知识图谱、认知推理、逻辑表达的新一代认知引擎，支持大规模知识的表示、获取、推理与计算的基础理论和方法，实现人工智能从感知智能向认知智能的演进，建立可解释、鲁棒性的第三代人工智能。 本报告围绕认知图谱的概念内涵、关键技术、人才研究、应用场景、发展趋势等方面展开深入研究，主要内容包括： 一、认知图谱基本概念、产生历程、机遇与挑战。详细介绍了认知图谱的产生背景和基本概念，以及在演化过程中出现的代表性事件，并总结了认知图谱在当前环境下的机遇与挑战。 二、认知图谱基础理论和技术研究现状分析。根据认知图谱的概念，分别对知识图谱、认知推理、逻辑表达等领域的概念背景、发展历程、关键技术、应用、问题与挑战、未来研究方向等方面进行了详细介绍和深入分析。 三、认知图谱领域人才现状分析。基于AMiner平台提供的论文和学者大数据，从学者分布、学术水平、国际合作、学者流动等维度，对国内外相关研究学者和机构进行了对比分析，总结中国科研学者队伍建设过程中的弱势环节和问题，并提出对策建议。 四、认知图谱典型应用场景分析。首先以阿里巴巴电商平台为例，详细介绍了认知图谱如何赋能电商平台的搜索、推荐等核心业务。然后介绍了认知图谱在智慧城市、司法行业、金融行业、安防行业、精准分析、智慧搜索、智能推荐、智能解释、自然人机交互等行业技术的应用场景和案例。 最后分析了认知图谱相关技术研究发展趋势和创新热点，以及中国的专利数据和国家自然科学基金支持情况，并展望了认知图谱未来发展方向。 目录 1 概述篇...................................................... 2 1.1 认知图谱概念.......................................... 2 1.2 认知图谱产生历程...................................... 4 1.3 认知图谱机遇与挑战.................................... 8 2 技术篇..................................................... 12 2.1 知识图谱............................................. 12 2.1.1 知识图谱概念 ..................................... 12 2.1.2 知识图谱发展历程 ................................. 14 2.1.3 知识图谱关键技术 ................................. 15 2.1.4 知识图谱应用 ..................................... 54 2.1.5 知识图谱研究问题与挑战 ........................... 55 2.1.6 知识图谱未来研究方向 ............................. 56 2.2 认知推理............................................. 58 2.2.1 知识图谱推理概念 ................................. 58 2.2.2 知识图谱推理关键技术 ............................. 59 2.2.3 知识图谱推理应用 ................................. 74 2.2.4 知识图谱推理研究问题与挑战 ....................... 76 2.2.5 知识图谱推理未来研究方向 ......................... 77 2.3 逻辑表达............................................. 80 2.3.1 自然语言生成概念 ................................. 80 2.3.2 自然语言生成关键技术 ............................. 82 2.3.3 自然语言生成应用 ................................. 91 2.3.4 自然语言生成研究问题与挑战 ....................... 92 2.3.5 自然语言生成未来研究方向 ......................... 94 2.4 论文主题分析......................................... 95 2.5 经典论文解读......................................... 99 2.6 技术情报挖掘........................................ 104 3 人才篇.................................................... 110 3.1 学者情况概览........................................ 110 3.1.1 学者分布地图 .................................... 110 3.1.2 学术水平分析 .................................... 112 3.1.3 国际合作分析 .................................... 115 3.1.4 学者流动情况 .................................... 117 3.2 代表性学者画像...................................... 119 3.2.1 国外代表性学者 .................................. 121 3.2.2 国内代表性学者 .................................. 131 3.3 中国学者问题与对策.................................. 140 4 应用篇.................................................... 144 4.1 电商平台............................................ 144 4.1.1 认知推荐 ........................................ 145 4.1.2 基础数据层 ...................................... 145 4.1.3 推理引擎层 ...................................... 147 4.1.4 用户交互的文本和视觉智能 ........................ 154 4.2 其他应用场景........................................ 167 4.2.1 行业应用 ........................................ 167 4.2.2 技术应用 ........................................ 169 5 趋势篇.................................................... 176 5.1 技术研究发展趋势.................................... 176 5.2 技术研究创新热点.................................... 177 5.3 中国专利数据情况.................................... 179 5.4 国家自然科学基金支持情况............................ 180 6 总结与展望................................................ 184 参考文献...................................................... 187 附录1 认知图谱相关的关键词列表 ............................... 201 附录2 代表性期刊和会议列表 ................................... 202 附录3 国家自然科学基金NSFC项目 .............................. 210 图表目录 图 1人工智能发展的几个阶段 ..................................... 2 图 2 双通道理论框架............................................. 3 图 3 认知图谱的演化历程......................................... 5 图 4 知识图谱样例.............................................. 13 图 5 知识图谱发展历程.......................................... 14 图 6 TransE模型的简单示例 ..................................... 17 图 7 TransH模型的简单示例 ..................................... 18 图 8 TransR模型的简单示例 ..................................... 19 图 9 KG2E模型的示例 ........................................... 21 图 10 传统模型和TransG模型比较................................ 22 图 11 RESCAL模型的简单图解 .................................... 23 图 12 DistMult模型的简单图解 .................................. 24 图 13 HOlE模型的简单图解 ...................................... 25 图 14 SME模型的神经网络结构 ................................... 26 图 15 NTN模型的神经网络结构 ................................... 27 图 16 MLP模型的神经网络结构 ................................... 27 图 17 NAM模型的神经网络结构 ................................... 28