請問知識圖譜有哪些研究點是可以進行深入研究的？

---

知識圖譜這兩年研究很火，因為在業界和政府部門都取得了很好的應用，不過大部分的工作還是集中在NLP，還有很多問題沒有得到解決。我覺得2018年以後，信息抽取雖然還會是知識圖譜的一個比較重要的研究方向，知識圖譜作為知識工程的一個分支將有更多的問題需要去解決，特別是知識圖譜要實用化將面臨很多挑戰。以下方向值得研究：

1.信息抽取如何實用化？目前來說，靠演算法解決問題的思路是不靠譜的，演算法只是圖譜知識獲取的一個階段，如何跟眾包結合應該是實用化的一個方向，值得去研究；

2. 如何基於知識圖譜做事件抽取將是值得研究的，事件抽取如果只是考慮從文本進行抽取，只能是玩玩演算法，發論文可以，但是實用性差，如何通過事件抽取實現動態圖譜構建，形成事件圖譜，以及事件的因果關係，是值得研究的；

3. 圖譜的動態融合是目前研究比較薄弱的環節，現在的知識融合還比較初級，只是跑一些機器學習演算法，弄特徵工程，雖然也有一些基於深度學習的技術，但是整體這塊還是不夠成熟，特別是沒有考慮圖譜的動態性，如何做增量的知識圖譜融合以及在圖譜融合的時候如何處理數據的不一致，都是值得研究的；

4. 常識知識挖掘和推理一直以來就沒做得很好，嚴重阻礙了知識圖譜的發展，這方面的工作不多，而且大家其實沒想明白什麼是常識知識，什麼是常識推理，理論還是比較匱乏；

5. 基於表示學習和邏輯規則的知識圖譜推理值得研究，這種結合不僅僅是一個模型上的結合，還會涉及到如何通過表示學習來做規則的學習，以及通過規則學習來增強表示學習；

6. 動態知識圖譜的存儲和查詢目前很少有人研究，特別是流數據場景下的知識圖譜存儲和查詢怎麼做，會有很多挑戰。

先說這麼多吧，後面再補充！

---

請教：最近可有，用知識圖譜表徵和貝葉斯網路做推理的工作嗎

---

推薦閱讀：