软件学报

作者：郑修林，周鹏，李培培，张赞，黄艳香，吴信东

单位：郑修林，大数据知识工程教育部重点实验室(合肥工业大学), 安徽 合肥 230009;合肥工业大学 计算机与信息学院, 安徽 合肥 23060111,周鹏，大数据知识工程教育部重点实验室(合肥工业大学), 安徽 合肥 230009;安徽大学 计算机科学与技术学院, 安徽 合肥 23060102,李培培，大数据知识工程教育部重点实验室(合肥工业大学), 安徽 合肥 230009;合肥工业大学 计算机与信息学院, 安徽 合肥 23060103,张赞，大数据知识工程教育部重点实验室(合肥工业大学), 安徽 合肥 230009;合肥工业大学 计算机与信息学院, 安徽 合肥 23060104,黄艳香，北京市教育委员会, 北京 10009105,吴信东，大数据知识工程教育部重点实验室(合肥工业大学), 安徽 合肥 230009;合肥工业大学 计算机与信息学院, 安徽 合肥 230601;之江实验室 知识工程研究中心, 浙江 杭州 31112106

关键词：知识图谱;知识图谱补全;大模型;华谱系统

基金：国家自然科学基金(62120106008); 中央高校基本科研业务费专项资金(JZ2023HGTB0270, PA2022GDSK0038)

知识图谱以其独特的知识管理方式和表示能力被广泛运用于知识问答等知识计算领域. 但是, 现实中的知识图谱或多或少存在信息不完整的问题, 影响知识图谱的质量, 限制了下游任务的效果, 如不完整的知识图谱不能给出准确的知识问答结果. 因此, 知识图谱补全技术应运而生, 旨在通过不同的策略对知识图谱事实三元组中缺失的内容进行预测以改善知识图谱的质量. 近年来, 人们对知识图谱补全进行了大量的研究. 根据构建模型所需样本的数量将现有的知识图谱补全技术分为3大类, 即零样本知识图谱补全、少样本知识图谱补全和多样本知识图谱补全. 为了调研并作为研究人员掌握知识图谱补全研究核心思想和研究现状的第一手材料, 从理论研究、实验分析以及具体应用, 如华谱系统, 对已有的知识图谱补全技术进行全面的回顾, 总结当前知识图谱补全技术所面临的问题与挑战, 并对未来可能的研究方向进行探讨.

来源：2025年第12期

《软件学报》期刊编辑部

查看软件学报杂志2025年第12期