可解释推理链
通过超图建模实体间高阶关系，并利用推理链学习实现可解释的多跳知识图谱问答，显著优于现有方法。
Wang, Jingchao · 李卫民 · 刘方方 · Sheng, Bin · 刘伟 · Qun, Jin
Knowledge-Based Systems 2023
通过推理链建模模块学习不同推理链对问题的重要性，并编码最高排序的推理链，使答案可通过推理路径解释。
通过基于超图的知识图谱补全模块生成具有多语义的预训练实体嵌入，从而建模实体间的高阶关系，克服传统成对关系建模的不足。
创新性地实施互信息最大化，从相似案例中捕获更丰富的公共路径特征，以缓解知识图谱不完整导致的缺失路径问题。