针对知识图谱（KG）在知识驱动的人工智能研究中发挥的强大支撑作用，分析并总结了现有知识图谱和知识超图技术。首先，从知识图谱的定义与发展历程出发，介绍了知识图谱的分类和架构；其次，对现有的知识表示与存储方式进行了阐述；然后，基于知识图谱的构建流程，分析了各类知识图谱构建技术的研究现状。特别是针对知识图谱中的知识推理这一重要环节，分析了基于逻辑规则、嵌入表示和神经网络的三类典型的知识推理方法。此外，以异构超图引出知识超图的研究进展，并提出三层架构的知识超图，从而更好地表示和提取超关系特征，实现对超关系数据的建模及快速的知识推理。最后，总结了知识图谱和知识超图的典型应用场景并对未来的研究作出了展望。

知识推理背景场景基于逻辑的方法基于机器学习的方法基于神经网络的方法知识推理方法简介目前大部分的开放知识图谱，例如Freebase 、 DBpedia都是有人工或

细致介绍了一种基于知识图谱的问答系统，构建了一个推理模型，在建模问题回答过程中是十分有效的。

融合机器学习与知识推理的可解释性框架.pdf

中国中文信息学会发布《2018知识图谱发展报告》报告目录如下（文末附下载链接） 第一章 知识表示与建模 第二章 知识表示学习 第三章 实体识别与链接 第四章 实体关系学习 第五章 事件知识学习 第六章 知识存储与查询 第七章 知识推理 第八章 通用和领域知识图谱 第九章 语义集成 第十章 语义搜索 第十一章 基于知识的问答

最新版中国科学院大学知识图谱课程课件全集 包含了知识图谱课件、Neo4j实战 、事件抽取、事件图谱构建等资料，非常有价值哦，速来围观！

知识推理是在已有的事实和逻辑规则的基础上推理新知识的机制一般来说，知识推理是运用已知知识的过程知识推断新知识。 给出知识图推理定义、知识图推理方法、知识图推理应用和机遇与挑战

它是一个使用sun公司Java语言编写的脚本环境，由Ernest Friedman-Hill在加拿大Livermore的Sandia National Laboratories里完成。使用JESS，用户可以通过输入陈述性的规则来进行知识推理形成Java软件。JESS是一个小型、轻型并且十分快速的规则引擎。他强大的脚本语言能够给你所有的Java的API（应用程序接口）。JESS包括一个基于Eclipse平台的完全特征化的开发环境。